自动sklearn
自动sklearn是一个自动机器学习工具包和一个插件scikit学习估计器的替代品:
进口 自动识别分类
cls公司 = 自动学习.分类.AutoSklearnClassifier(自动扫描分类程序)()
cls公司.适合(X_火车, y_列车)
预言 = cls公司.预测(X_测试)
自动sklearn将机器学习用户从算法选择和超参数调谐。它利用了贝叶斯主义者优化,元学习和整体结构。了解更多信息背后的技术自动sklearn通过阅读我们发表在NeurIPS 2015.
新增:文本功能支持
Auto-sklearn现在支持文本功能,请查看我们的新示例:文本预处理
例子
进口 自动识别分类
进口 sklearn.model_选择
进口 sklearn.数据集
进口 sklearn.metrics公司
如果 __姓名__ == “__main__”以下为:
X(X), 年 = sklearn公司.数据集.加载位数(_D)(返回_X_y=真的)
X_火车, X_测试, y_列车, y_测试 =\sklearn公司.模型_选择.列车_测试_拆分(X(X), 年, 随机状态=1)
自动ml = 自动学习.分类.AutoSklearnClassifier(自动扫描分类程序)()
自动ml.适合(X_火车, y_列车)
y_帽子 = 自动ml.预测(X_测试)
打印(“准确度得分”, sklearn公司.韵律学.精确度得分(y_测试, y_帽子))
这将运行一个小时,并应导致精度高于0.98。
其他材料
我们在这里提供演讲和教程中的幻灯片和笔记本:自动漫游
许可证
自动sklearn以与相同的方式获得许可科学知识学习,即3条款BSD许可证。
引用auto-sklearn
如果您在科学出版物中使用auto-sklearn,我们将非常感谢参考以下文件:
高效稳健的自动机器学习,费雷尔等。《神经信息处理系统进展》28(NIPS 2015)。
Bibtex条目:
@过程中的需求{费雷尔-神经突15a,
标题 = {高效 和 稳健 自动化 机器 学习},
作者 = {费雷尔, 马提亚斯 和 克莱因, 亚伦 和 埃根施佩格, 凯萨琳娜 和 斯普林伯格, 乔斯特 和 布鲁姆, 曼努埃尔 和 赫特, 弗兰克},
书名 = {预付款 在里面 神经 问询处 处理 系统 28 (2015)},
页码 = {2962--2970},
年 = {2015}
}
如果您正在使用Auto-sklearn 2.0,请同时引用
Auto-Sklearn 2.0:通过元学习实现免提AutoML,费瑟等。,(arXiv,2020)。
Bibtex条目:
@文章{发热器-arxiv20a系列,
标题 = {自动-Skelearn公司 2以下为: 手-自由的 自动ML 通过 元-学习},
作者 = {费雷尔, 马提亚斯 和 埃根施佩格, 凯萨琳娜 和 福克纳, 斯特凡 和 林道尔, 马吕斯 和 赫特, 弗兰克},
杂志 = {arXiv公司以下为:2007.04074 [反恐精英.LG公司]},
年 = {2020},
}
贡献
我们感谢所有来自错误报告和文档到新功能。如果您想贡献代码,可以从中选择一个问题问题跟踪器.
查看我们的github贡献指南如果你想知道更多!我们为新的和有经验的贡献者提供了服务。
注释
避免在重复工作或不太可能的功能上花费时间合并后,强烈建议您联系开发人员通过打开github问题在开始工作之前。