有哪些AutoML框架值得推荐使用？

本文共计1894个文字，预计阅读时间需要8分钟。

家庭好，AutoML+执行的任务可以总结为以下几点：+ 数据预处理和清理+ 选择并构建合适的特征+ 选择合适的模型+ 优化模型超参数+ 设计神经网络的拓扑结构（如使用深度学习）+ 机器学习

大家好，AutoML 执行的任务可以被总结成以下几点：

• 预处理和清理数据
• 选择并构建适当的特征
• 选择合适的模型
• 优化模型超参数
• 设计神经网络的拓扑结构（如果使用深度学习）
• 机器学习模型的后处理
• 结果的可视化和展示

在本文中，我将给大家整理了5个最常见且被熟知的开源AutoML 库或框架，喜欢记得收藏、点赞、关注。

• Auto-Sklearn
• TPOT
• Hyperopt Sklearn
• Auto-Keras
• H2O AutoML

代码资料、技术文档、技术交流，文末获取

1、Auto-Sklearn

Auto-sklearn 是一个开箱即用的自动化机器学习库。auto-sklearn 以 scikit-learn 为基础，自动搜索正确的学习算法并优化其超参数。通过元学习、贝叶斯优化和集成学习等搜索可以获得最佳的数据处理管道和模型。它可以处理大部分繁琐的工作，例如预处理和特征工程技术：One-Hot 编码、特征归一化、降维等。