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。

手动¶

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。