auto-sklearn

Описание

auto-sklearn — это мощный набор инструментов для автоматизированного машинного обучения (AutoML), предназначенный для оптимизации процесса создания моделей машинного обучения. Он функционирует как прямая замена для оценщиков scikit-learn, позволяя пользователям беспрепятственно интегрировать его в свои существующие рабочие процессы. Основная цель auto-sklearn — освободить специалистов по машинному обучению от трудоемких задач выбора алгоритмов и настройки гиперпараметров.

Используя передовые методы, такие как байесовская оптимизация, метаобучение и построение ансамблей, auto-sklearn интеллектуально исследует огромное пространство возможных моделей и конфигураций для определения наиболее эффективного решения для данного набора данных. Эта автоматизация значительно ускоряет жизненный цикл разработки моделей и может привести к улучшению их производительности, особенно для пользователей, которые могут не быть экспертами во всех аспектах машинного обучения.

Заметным недавним улучшением является введение поддержки текстовых признаков. Это расширение позволяет auto-sklearn обрабатывать более широкий спектр типов данных, делая его более универсальным для задач обработки естественного языка. Набор инструментов предоставляет исчерпывающую документацию, включая руководства по установке, примеры, ссылки на API и раздел часто задаваемых вопросов, чтобы помочь пользователям начать работу и максимально использовать его возможности.

auto-sklearn распространяется под лицензией 3-clause BSD, аналогично лицензированию scikit-learn. Проект приветствует вклад сообщества, принимая отчеты об ошибках, улучшения документации и новые функции. Разработчикам рекомендуется ознакомиться с руководством по внесению вклада и открыть запрос в GitHub перед началом значительной работы, чтобы избежать дублирования и обеспечить соответствие целям проекта. Проект также предоставляет такие ресурсы, как слайды и ноутбуки из докладов и учебных пособий для дальнейшего обучения.

Основные функции auto-sklearn

• Автоматический выбор алгоритмов

• Автоматическая настройка гиперпараметров

• Прямая замена для оценщиков scikit-learn

• Использует байесовскую оптимизацию

• Применяет методы метаобучения

• Поддерживает построение ансамблей

• Включает поддержку текстовых признаков

• Предоставляет примеры кода для классификации

• Предлагает документацию по установке и руководства

• Приветствует вклад сообщества

• Лицензировано под лицензией 3-clause BSD

Начало работы с auto-sklearn

1. 1

   Установка: Установите auto-sklearn с помощью менеджера пакетов.

2. 2

   Конфигурация: Импортируйте AutoSklearnClassifier или AutoSklearnRegressor.

3. 3

   Обучение: Обучите оценщик на ваших обучающих данных (X_train, y_train).

4. 4

   Прогнозирование: Сгенерируйте прогнозы на тестовых данных (X_test).

5. 5

   Оценка: Оцените производительность модели с использованием соответствующих метрик.

Варианты использования auto-sklearn

• Автоматизированная классификация
• Автоматизированная регрессия
• Обработка текстовых признаков
• Оптимизация гиперпараметров
• Выбор алгоритмов
• Построение ансамблевых моделей

Часто задаваемые вопросы auto-sklearn

• Что такое auto-sklearn?

  auto-sklearn — это набор инструментов для автоматизированного машинного обучения, который выступает в качестве прямой замены для оценщиков scikit-learn, автоматизируя выбор алгоритмов и настройку гиперпараметров.

• Как auto-sklearn автоматизирует машинное обучение?

  Он использует байесовскую оптимизацию, метаобучение и построение ансамблей для автоматического поиска лучших алгоритмов и гиперпараметров для данного набора данных.

• Может ли auto-sklearn обрабатывать текстовые данные?

  Да, auto-sklearn теперь поддерживает текстовые признаки, что позволяет использовать его для задач обработки естественного языка.

• Совместим ли auto-sklearn с scikit-learn?

  Да, auto-sklearn разработан как прямая замена для оценщиков scikit-learn.

• Под какой лицензией распространяется auto-sklearn?

  auto-sklearn лицензируется под лицензией 3-clause BSD, такой же, как и scikit-learn.

• Как я могу цитировать auto-sklearn в публикациях?

  Вы можете цитировать статью 'Efficient and Robust Automated Machine Learning' Feurer et al. (NIPS 2015), а для версии 2.0 — 'Auto-Sklearn 2.0: Hands-free AutoML via Meta-Learning' Feurer et al. (arXiv, 2020).

• Как я могу внести свой вклад в auto-sklearn?

  Вклады приветствуются, включая отчеты об ошибках, документацию и новые функции. Рекомендуется открыть запрос в GitHub перед началом внесения кода.

• Где я могу найти примеры использования auto-sklearn?

  Примеры, включая пример обработки текста, доступны в документации и в репозитории проекта на GitHub.

• Каковы преимущества использования auto-sklearn?

  Он экономит время, автоматизируя выбор алгоритмов и настройку гиперпараметров, что потенциально приводит к лучшей производительности модели без ручных усилий.

• Где я могу найти документацию последней версии?

  Документация последней версии, например, для версии 0.15.0, доступна в домене automl.github.io.