全自动化机器学习建模！效果吊打初级炼丹师！

全自动化机器学习建模！效果吊打初级炼丹师！
💡 作者：韩信子@ShowMeAI
📘 机器学习实战系列：http://www.showmeai.tech/tutorials/41
📘 本文地址：http://www.showmeai.tech/article-detail/289
📢 声明：版权所有，转载请联系平台与作者并注明出处
📢 收藏ShowMeAI查看更多精彩内容

自动化机器学习，也称为自动化 ML 或 AutoML，是自动化完成开发耗时且需要反复迭代的机器学习建模过程。它让数据科学家、分析师和开发人员轻松构建具有高规模、高效率和生产力的机器学习模型，同时保持模型质量。

常规的机器学习模型开发应用，需要大量时间来构建和比较若干个不同模型。借助自动化机器学习，一些繁琐枯燥的迭代开发环境可以自动完成，提高了效率。

Python 拥有不断增长的开源 AutoML 库生态系统。ShowMeAI在本篇中梳理了截止2022年，最流行和实用的 AutoML 库，其中也有不少企业级应用工具。ShowMeAI本次介绍的AutoML工具库包括：
- PyCaret
- H2O AutoML
- TPOT
- Auto-sklearn
- FLAML
- EvalML
- AutoKeras
- Auto-ViML
- AutoGluon
- MLBox
💡 PyCaret

PyCaret 是 Python 中的一个开源、低代码机器学习库，可自动执行机器学习工作流。它也是一个端到端的机器学习和模型管理工具，可以成倍地加快实验周期，提升工作开发效率。

与其他开源机器学习库相比，PyCaret 有着明显的低代码特质，可仅用几行代码完成原本需要数百行代码完成的工作，尤其是对于密集的实验迭代过程可以大大提速。PyCaret 本质上是围绕多个机器学习库和框架封装而成，包括大家熟悉的scikit-learn、XGBoost、LightGBM、CatBoost、spaCy、Optuna、Hyperopt 和 Ray等。

Pycaret的相关资料链接如下：
- 📘 文档：https://pycaret.gitbook.io/
- 📘 GitHub：https://www.github.com/pycaret/pycaret
- 📘 教程：https://pycaret.gitbook.io/docs/get-started/tutorials
💡 H2O AutoML

H2O AutoML是另一个很有名的自动化机器学习库，可以帮助我们在有限的时间内自动训练和调优许多模型。

H2O 的核心代码是用 Java 编写的。这些算法在 H2O 的分布式 Map/Reduce 框架之上实现，并利用 Java Fork/Join 框架进行多线程处理。数据被并行读取并分布在集群中，并以压缩方式以列格式存储在内存中。

H2O AutoML 的设计理念是，希望尽量自动化，即用户只需要给定数据集和极少量的参数，即可开始建模和调优，并在指定的时间或者其他约束条件下，尽量找到最佳的模型。
```
import h2o
from h2o.automl import H2OAutoML

# 初始化
h2o.init()
aml = H2OAutoML(max_models =25,
                balance_classes=True,
                seed = 1)

# 自动建模训练
aml.train(training_frame = X, y = 'y')
lb = aml.leaderboard

# 获取最佳模型
best_model = aml.get_best_model()
print(best_model)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
```
相关的文档可以在 📘这里查阅。

💡 TPOT

TPOT自动化机器学习 (AutoML) 工具库构建在scikit-learn 之上，它使用 Gentic Programming (GP) 来有效地发现给定数据集的最佳模型流水线。

TPOT 使用遗传编程来自动设计和优化一系列数据转换(特征处理)和机器学习模型，并努力最大限度提高给定监督学习数据集的效果。

流程示意图如下：

整个建模调优过程也非常简单，如下2行代码即可完成完整过程。
```
# 初始化
model = TPOTClassifier(generations=5, population_size=50, cv=cv, scoring='accuracy', verbosity=2, random_state=1, n_jobs=-1)

# 自动化拟合与调优
model.fit(X, y)
1
2
3
4
5
```
关于TPOT的资料可以在它的 📘文档和官方 📘GitHub 查看。

💡 Auto-sklearn

从名字可以看出来，Auto-sklearn 是一个基于sklearn的自动化机器学习工具包。它利用了贝叶斯优化、元学习和集成模型等方法来自动化建模与调优。

使用方法和sklearn非常相似，熟悉sklearn的同学可以无障碍快速应用。示例代码如下：
```
import autosklearn.classification
# 构建自动化分类器
cls = autosklearn.classification.AutoSklearnClassifier()
# 拟合调优
cls.fit(X_train, y_train)
# 预估
predictions = cls.predict(X_test)
1
2
3
4
5
6
7
```
关于Auto-sklearn的资料可以在它的 📘文档和官方 📘GitHub 查看。

💡 FLAML

FLAML 是微软推出的轻量级 Python 自动化机器学习库，可以自动、高效且经济地找到准确的机器学习模型。FLAML还有来自 Visual Studio 2022 中的 ML.NE 模型生成器的 .NET 实现。

FLAML 可以快速找到具有低计算资源的高质量模型。它支持经典机器学习模型和深度神经网络。

关于FLAML的资料可以在它的 📘文档和官方 📘GitHub 查看。大家可以在ShowMeAI的教程文章 📂AutoML自动化机器学习建模 中查看FLAML的详细用法，简单的使用示例代码如下：
```
from flaml import AutoML
# 构建自动化学习器
automl = AutoML()
# 拟合调优
automl.fit(X_train, y_train, task=”classification”)
1
2
3
4
5
```
💡 EvalML

EvalML这个AutoML工具库使用特定领域的目标函数来构建、优化和评估机器学习流水线。它结合了先进的数据处理与特征工程工具库 Featuretools 和 Compose，可以非常方便地构建端到端的监督机器学习解决方案。

EvalML 支持多种监督学习任务/问题，如回归、分类（二元和多类）、时间序列分析（包括时间序列回归和分类）等。

关于EvalML的资料可以在它的 📘文档和官方 📘GitHub 查看。示例使用方法如下：
```
from evalml.automl import AutoMLSearch
# 初始化
automl = AutoMLSearch(X_train=X_train, y_train=y_train, problem_type="binary", objective="F1")
# 搜索调优
automl.search()
1
2
3
4
5
```
💡 AutoKeras

AutoKeras 是一个自动化建模库，主要聚焦在自动搜索 深度学习模型的架构和超参数， 并尽快获得性能最佳的深度学习模型。Auto-Keras的API接口和scikit-learn风格完全一致，容易上手。

它包括用于文本、图像和结构化数据的分类和回归的构建块。选择高级架构后，Autokeras 会自动调整模型。

关于AutoKeras的资料可以在它的 📘文档和官方 📘GitHub 查看。示例使用方法如下：
```
import autokeras
# 初始化分类器
search = autokeras.StructuredDataClassifier(max_trials=15)
# 拟合与寻找最佳网络结构和超参数
search.fit(x=X_train, y=y_train, verbose=0)
# 预估
y_pred = search.predict(X_new) 
1
2
3
4
5
6
7
```
💡 Auto-ViML

Auto-ViML（自动变量可解释机器学习）是一个开源 Python 库，可以训练多个模型并自动识别最佳超参数。它内置大量的数据预处理和可解释性功能：
- 自动化数据处理与清洗：给定数据集（通常是Dataframe格式），Auto_ViML 会尽量自动化处理缺失值、格式化变量、添加变量等。
- 特征选择：Auto-ViML自动选择特征变量，当我们特征维度特别高的时候，非常有用。
关于Auto-ViML的资料可以在它的 📘文档和官方 📘GitHub 查看。示例使用方法如下：
```
from autoviml.Auto_ViML import Auto_ViML

#包含所有参数的一个示例代码
model, features, trainm, testm = Auto_ViML(
    train,
    target,
    test,
    sample_submission,
    hyper_param="GS",
    feature_reduction=True,
    scoring_parameter="weighted-f1",
    KMeans_Featurizer=False,
    Boosting_Flag=False,
    Binning_Flag=False,
    Add_Poly=False,
    Stacking_Flag=False,
    Imbalanced_Flag=False,
    verbose=0,
)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
```
💡 AutoGluon

AutoGluon 是一个由 AWS 开源的为深度学习开发优化而生的 autoML 框架。除了结构化表格数据，它还支持图像分类、目标检测和自然语言处理任务。

AutoGluon 的核心功能包括：
- 自动化寻找性能最佳的深度学习架构和超参数。
- 模型选择和自动超参数调优。
- 自动化数据预处理。
关于 AutoGluon 的资料可以在它的 📘文档和官方📘GitHub 查看。示例使用方法如下：
```
from autogluon.tabular import TabularDataset, TabularPredictor
# 构建训练集与测试集表格数据
train_data = TabularDataset('https://autogluon.s3.amazonaws.com/datasets/Inc/train.csv')
test_data = TabularDataset('https://autogluon.s3.amazonaws.com/datasets/Inc/test.csv')
# 自动拟合与优化
predictor = TabularPredictor(label='class').fit(train_data=train_data)
# 预估
predictions = predictor.predict(test_data)
1
2
3
4
5
6
7
8
```
💡 MLBox

MLBox 是一个开源的 AutoML Python 库。覆盖如下的强大功能：
- 特征选择、缺失值填充和异常值检测。
- 更快效果更好的数据预处理。
- 自动超参数优化。
- 用于分类和回归的自动模型选择。
- 模型预测与模型可解释性。
关于MLBox的资料可以在它的 📘文档和官方 📘GitHub 查看。示例使用方法如下：
```
import mlbox as mlb
# 数据自动化预处理
data = mlb.preprocessing.Drift_thresholder().fit_transform(data)
# 优化与拟合预估
best = mlb.optimisation.Optimiser().evaluate(None, data)
mlb.prediction.Predictor().fit_predict(best, data)
1
2
3
4
5
6
```
参考资料
- 📘 Pycaret 文档: https://pycaret.gitbook.io/
- 📘 Pycaret GitHub: https://www.github.com/pycaret/pycaret
- 📘 Pycaret 教程: https://pycaret.gitbook.io/docs/get-started/tutorials
- 📘[H2O AutoML: https://docs.h2o.ai/h2o/latest-stable/h2o-docs/welcome.html
- 📘[TPOT 文档: http://epistasislab.github.io/tpot/
- 📘[TPOT 官方 GitHub: https://github.com/EpistasisLab/tpot
- 📘[Auto-sklearn 文档: https://automl.github.io/auto-sklearn/master/
- 📘[Auto-sklearn 官方 GitHub: https://github.com/automl/auto-sklearn
- 📘[FLAML 文档: https://microsoft.github.io/FLAML/
- 📘[FLAML 官方 GitHub: https://github.com/microsoft/FLAML
- 📘[Featuretools: https://featuretools.featurelabs.com/
- 📘[Compose: https://compose.featurelabs.com/
- 📘[EvalML 文档: https://evalml.alteryx.com/en/stable/
- 📘[EvalML 官方 GitHub: https://github.com/alteryx/evalml
- 📘[AutoKeras 文档: https://autokeras.com/
- 📘[AutoKeras 官方 GitHub: https://github.com/keras-team/autokeras
- 📘[Auto-ViML 文档: https://readthedocs.org/projects/auto-viml/
- 📘[Auto-ViML 官方 GitHub: https://github.com/AutoViML/Auto_ViML
- 📘[AutoGluon 文档: https://auto.gluon.ai/stable/index.html
- 📘[AutoGluon 官方 GitHub: https://github.com/awslabs/autogluon
- 📘[MLBox 文档: https://mlbox.readthedocs.io/en/latest/
- 📘[MLBox 官方 GitHub: https://github.com/AxeldeRomblay/MLBox
- 📂[AutoML 自动化机器学习建模: http://www.showmeai.tech/article-detail/210
相关阅读:
尚硅谷MySQL学习笔记
 【ASM】字节码操作工具类与常用类 Printer、ASMifier、Textifier 介绍
 NOIP2015跳石头【二分答案（最小值最大化） | 贪心】
Linux 命令
 网工老大难经典提问之“IE要到期如何续证？”关于思科CCIE【重认证】常用方式，这次请务必保留好！
基于QT5与opencascdae7.4的简易模型浏览器
 机械原理复习试题
 Wgpu图文详解（01）窗口与基本渲染
 算法学习：动态规划
 【暑期每日一题】洛谷 P7798 [COCI2015-2016#6] PUTOVANJE
原文地址：https://blog.csdn.net/ShowMeAI/article/details/125712913

💡 PyCaret

💡 H2O AutoML

💡 TPOT

💡 Auto-sklearn

💡 FLAML

💡 EvalML

💡 AutoKeras

💡 Auto-ViML

💡 AutoGluon

💡 MLBox

参考资料