盘点机器学习实战中最频繁使用的AutoML工具库

在日常的Kaggle比赛和工作中，经常会遇到AutoML工具。本文总结了常见的AutoML库，可供大家选择。

LightAutoML

项目链接：https://github.com/sberbank-ai-lab/LightAutoML

推荐指数：⭐⭐⭐

LightAutoML是基于Python环境下的结构化自动机器学习库，现在支持的任务有：

二分类
多分类
回归任务

LightAutoML现在只支持单表单记录的形式，即每一行由样本的特征和标签组成。

import pandas as pd  
from sklearn.metrics import f1_score  
  
from lightautoml.automl.presets.tabular_presets import TabularAutoML  
from lightautoml.tasks import Task  
  
df_train = pd.read_csv('../input/titanic/train.csv')  
df_test = pd.read_csv('../input/titanic/test.csv')  
  
automl = TabularAutoML(  
    task = Task(  
        name = 'binary',  
        metric = lambda y_true, y_pred: f1_score(y_true, (y_pred > 0.5)*1))  
)  
oof_pred = automl.fit_predict(  
    df_train,  
    roles = {
    
    'target': 'Survived', 'drop': ['PassengerId']}  
)  
test_pred = automl.predict(df_test)  
  
pd.DataFrame({
    
      
    'PassengerId':df_test.PassengerId,  
    'Survived': (test_pred.data[:, 0] > 0.5)*1  
}).to_csv('submit.csv', index = False)

技术交流

技术要学会分享、交流，不建议闭门造车。一个人走的很快、一堆人可以走的更远。

本文来自技术群粉丝分享整理，资料资料、数据、技术交流，均可加交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。

方式①、添加微信号：pythoner666，备注：来自CSDN +备注来意
方式②、微信搜索公众号：Python学习与数据挖掘，后台回复：加群

H2O AutoML

项目链接：https://docs.h2o.ai/h2o/latest-stable/h2o-docs/automl.html

推荐指数：⭐⭐⭐⭐

H2O AutoML是基于Python环境和R环境下的结构化自动机器学习库，支持分布式部署，对模型调参、模型选择和特征筛选支持比较完备，但使用起来比较复杂。

import h2o  
from h2o.automl import H2OAutoML  
  
h2o.init()  
train_hf = h2o.H2OFrame(train_df.copy())  
test_hf = h2o.H2OFrame(test_df.copy())  
  
train_hf[target_column] = train_hf[target_column].asfactor()  
  
aml = H2OAutoML(  
    seed=2021,   
    max_runtime_secs=100,  
    nfolds = 3,  
    exclude_algos = ["DeepLearning"]  
)  
  
aml.train(  
    x=list(feature_columns),   
    y=target_column,   
    training_frame=train_hf  
)  
  
preds = aml.predict(h2o.H2OFrame(test_df[feature_columns].copy()))  
preds_df = h2o.as_list(preds)  
preds_df  
  
submission[['Class_1', 'Class_2', 'Class_3', 'Class_4']] = preds_df[['Class_1', 'Class_2', 'Class_3', 'Class_4']]  
submission.to_csv('h2o_automl_300s.csv', index=False)  
submission.head()

MLJAR AutoML

项目链接：https://github.com/mljar/mljar-supervised

推荐指数：⭐⭐⭐⭐

MLJAR AutoML是基于Python环境下的结构化自动机器学习库，所支持的机器学习模型非常多，且对模型可视化支持的非常好。

from supervised.automl import AutoML # mljar-supervised  
automl = AutoML(  
    mode="Compete",   
    eval_metric="f1",  
    total_time_limit=300,  
    features_selection=False # switch off feature selection  
)  
automl.fit(  
    train[feature_cols],   
    train[target_column]  
)  
  
preds = automl.predict(test[feature_cols])  
  
submission['Survived'] = preds  
submission.to_csv('mljar_automl_300s_f1_metric.csv', index=False)  
submission.head()

PyCaret

项目链接：https://pycaret.org/

推荐指数：⭐⭐⭐⭐⭐

PyCaret是基于Python环境下的结构化自动机器学习库，支持的任务包括：

分类
回归
聚类
异常检测
NLP
关联规则

PyCaret支持的模型比较多，项目也比较活跃，但对模型的可视化做的不够。

from pycaret.classification import *  
from category_encoders.cat_boost import CatBoostEncoder  
  
cat_train_df = train_df.copy()  
cat_test_df = test_df.copy()  
  
ce = CatBoostEncoder()  
  
cols_to_encode = ['name', 'sex', 'ticket', 'cabin', 'embarked']  
cat_train_df[pure_cat_cols] = ce.fit_transform(cat_train_df[pure_cat_cols], cat_train_df[target_column])  
cat_test_df[pure_cat_cols] = ce.transform(cat_test_df[pure_cat_cols])  
  
setup(  
    data = cat_train_df[feature_cols.to_list() + [target_column]],   
    target = target_column,  
    fold = 3,  
    silent = True,  
)  
  
best_models = compare_models(  
    sort='F1',   
    n_select=3,   
    budget_time=300,  
) # we will use it later  
  
best = automl(optimize = 'F1')

EvalML: AutoML

项目链接：https://evalml.alteryx.com/en/latest/

推荐指数：⭐⭐⭐

EvalML是一款比较模块比较完备的自动机器学习框架，支持分类、回归和时间序列任务。但提出的时间稍晚，所以使用的人很少。

from evalml.automl import AutoMLSearch  
X = train_df.drop(columns=[target_column, 'passengerid'])  
y = train_df[target_column]  
  
X_train,X_test,y_train,y_test = train_test_split(X, y, test_size=0.2)  
automl = AutoMLSearch(  
    X_train=X_train,   
    y_train=y_train,   
    problem_type='binary',  
    random_seed=2021,  
    max_time=300,  
)  
  
automl.search()  
pipeline = automl.best_pipeline  
pipeline.fit(X, y)

TPOT: Genetic Approach

项目链接：http://epistasislab.github.io/tpot/

推荐指数：⭐⭐⭐

TPOT是一款非常轻量级的自动机器学习框架，利用遗传算法可以快读完成特征的构造。但TPOT所支持的功能较少，所以场景有限。

from tpot import TPOTClassifier  
from sklearn.model_selection import train_test_split  
  
tpot = TPOTClassifier(generations=5, population_size=50, verbosity=2, random_state=42)  
tpot.fit(X_train, y_train)  
print(tpot.score(X_test, y_test))  
tpot.export('tpot_digits_pipeline.py')

FLAML

项目链接：https://github.com/microsoft/FLAML

推荐指数：⭐⭐⭐⭐

FLAML是由微软提出的自动机器学习库，支持分类和回归任务。FLAML对特征的构造和搜索支持的比较好，非常轻量。

from flaml import AutoML  
from sklearn.datasets import load_boston  
  
automl = AutoML()  
  
# Specify automl goal and constraint  
automl_settings = {
    
      
    "time_budget": 300,  # in seconds  
    "metric": 'accuracy',  
    "task": 'classification',  
}  
automl.fit(  
    X_train=train_df[feature_cols],   
    y_train=train_df[target_column],  
    **automl_settings  
)  
  
print(automl.predict_proba(train_df[feature_cols]))