來自官網首頁

auto-sklearn是什么?

auto-sklearn是一個自動化機器學習的工具包,其基于sklearn編寫.

>>> import autosklearn.classification>>> cls = autosklearn.classification.AutoSklearnClassifier()>>> cls.fit(X_train, y_train)>>> predictions = cls.predict(X_test)

auto-sklearn可以進行機器學習算法的自動選擇與超參數的自動優化,它使用的技術包括貝葉斯優化,元學習,以及集成機構?(ensemble construction).你可以通過這篇文章,NIPS 2015來學習關于更多auto-sklearn背后的原理與技術.

例子

>>> import autosklearn.classification>>> import sklearn.model_selection>>> import sklearn.datasets>>> import sklearn.metrics>>> X, y = sklearn.datasets.load_digits(return_X_y=True)>>> X_train, X_test, y_train, y_test = \sklearn.model_selection.train_test_split(X, y, random_state=1)>>> automl = autosklearn.classification.AutoSklearnClassifier()>>> automl.fit(X_train, y_train)>>> y_hat = automl.predict(X_test)>>> print("Accuracy score", sklearn.metrics.accuracy_score(y_test, y_hat))

如果將上面的代碼運行一個小時,那么其精度將會高于0.98.

手冊

• 安裝
• 手冊
• api
• 擴展auto-sklearn

手冊中文翻譯

許可證

auto-sklearn與scikit-sklearn的許可證一樣,即都為三條款的BSD許可

援引auto-sklearn

如果你在科學出版物上使用auto-sklearn,我們將感激不盡
Efficient and Robust Automated Machine Learning, Feurer et al., Advances in Neural Information Processing Systems 28 (NIPS 2015).

Bibtex entry:

@incollection{NIPS2015_5872,title = {Efficient and Robust Automated Machine Learning},author = {Feurer, Matthias and Klein, Aaron and Eggensperger, Katharina andSpringenberg, Jost and Blum, Manuel and Hutter, Frank},booktitle = {Advances in Neural Information Processing Systems 28},editor = {C. Cortes and N. D. Lawrence and D. D. Lee and M. Sugiyama and R. Garnett},pages = {2962--2970},year = {2015},publisher = {Curran Associates, Inc.},url = {http://papers.nips.cc/paper/5872-efficient-and-robust-automated-machine-learning.pdf}}

貢獻

我們感謝所有對auto-sklearn做出貢獻的人,無論你是寫的bug報告還是文檔,亦或是新的貢獻.同時如果你想要貢獻代碼.你可以使用issue tracker

同時為了項目合并前避免重復的工作,強烈建議你在進行工作前與我們的工作人員在(github issues)[https://github.com/automl/auto-sklearn/issues]上進行聯系

同時建議你在開發新的功能時,請先創建新的發展分支,同時在所有的測試結束并通過后,進行項目合并.

總結

以上是生活随笔為你收集整理的auto-sklearn简介的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。