auto-sklearn简介
来自官网首页
auto-sklearn是什么?
auto-sklearn是一个自动化机器学习的工具包,其基于sklearn编写.
>>> import autosklearn.classification>>> cls = autosklearn.classification.AutoSklearnClassifier()>>> cls.fit(X_train, y_train)>>> predictions = cls.predict(X_test)
auto-sklearn可以进行机器学习算法的自动选择与超参数的自动优化,它使用的技术包括贝叶斯优化,元学习,以及集成机构?(ensemble construction).你可以通过这篇文章,NIPS 2015来学习关于更多auto-sklearn背后的原理与技术.
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))
如果将上面的代码运行一个小时,那么其精度将会高于0.98.
手册
- 安装
- 手册
- api
- 扩展auto-sklearn
手册中文翻译
许可证
auto-sklearn与scikit-sklearn的许可证一样,即都为三条款的BSD许可
援引auto-sklearn
如果你在科学出版物上使用auto-sklearn,我们将感激不尽
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}}
贡献
我们感谢所有对auto-sklearn做出贡献的人,无论你是写的bug报告还是文档,亦或是新的贡献.同时如果你想要贡献代码.你可以使用issue tracker
同时为了项目合并前避免重复的工作,强烈建议你在进行工作前与我们的工作人员在(github issues)[https://github.com/automl/auto-sklearn/issues]上进行联系
同时建议你在开发新的功能时,请先创建新的发展分支,同时在所有的测试结束并通过后,进行项目合并.
auto-sklearn简介相关推荐
- 机器学习sklearn | sklearn简介
机器学习sklearn | sklearn简介 1. 简介 2. 特点 3. 安装 3.1 注意事项 4. 机器学习要做的事 5. 机器学习问题的分类 6. 数据集 7. 加载sklearn自带的数据 ...
- Vsphere auto deploy 简介
Vsphere auto deploy 介绍 vSphere Auto Deploy 可以为数百台物理主机置备 ESXi 软件.当启动为 Auto Deploy 设置的物理主机时,Auto Dep ...
- Auto.JS简介与教程
什么是Auto.JS? Auto.JS是Android平台上的JavaScript自动化工具. 它的本质是可执行自己编写的简易Javascript脚本的,尤其可以在开启"无障碍模式" ...
- anaconda安装sklearn_1. Sklearn —— 简介+安装
1. 机器学习: 机器学习的方法(算法)包括: a. 监督学习 supervised learning(神经网络就是监督学习); 先教会机器某种知识,再让机器能够熟练运用该知识.(数据+标签) b. ...
- Sklearn 损失函数如何应用到_菜鸟学机器学习,Sklearn库主要模块功能简介
导读 作为一名数据分析师,当我初次接触数据分析三剑客(numpy.pandas.matplotlib)时,感觉每个库的功能都很多很杂,所以在差不多理清了各模块功能后便相继推出了各自教程(文末附链接): ...
- 菜鸟学机器学习,Sklearn库主要模块功能简介
导读 作为一名数据分析师,当我初次接触数据分析三剑客(numpy.pandas.matplotlib)时,感觉每个库的功能都很多很杂,所以在差不多理清了各模块功能后便相继推出了各自教程(文末附链接): ...
- 《菜菜的机器学习sklearn课堂》sklearn入门与决策树
决策树 sklearn简介 决策树 - 概述 决策树是如何工作的 sklearn中的决策树 分类树 DecisionTreeClassifier 重要参数 criterion 建立一颗树(只有一个参数 ...
- 机器学习---sklearn
1.Sklearn简介 sklearn (全称 Scikit-Learn) 是基于 Python 语言的机器学习工具,Sklea是处理机器学习 (有监督学习和无监督学习) 的包.它建立在 NumPy, ...
- python对逻辑回归进行显著性_python sklearn库实现简单逻辑回归的实例代码
Sklearn简介 Scikit-learn(sklearn)是机器学习中常用的第三方模块,对常用的机器学习方法进行了封装,包括回归(Regression).降维(Dimensionality Red ...
- sklearn 安装_初识sklearn
我的主业是互联网运营,业余的python爱好者,学习python已经快两年,主攻网络爬虫与数据分析,爬虫能使用代理ip.打码平台.OCR识别.基本的js逆向处理反爬:数据分析主要使用pandas与py ...
最新文章
- floodFill函数
- 【Docker】日常记录
- IPv6地址居然不够用?(特殊情况)怎么办?
- C++11线程管理基础
- c语言冒泡排序_图文解析:如何用PLC梯形图实现冒泡排序算法?
- 天龙源码框架分析_天龙源码分析 - VariableSystem
- 《HTML5游戏编程核心技术与实战》一2.3 图像API
- mcgs 云服务器,MCGS软件系统的组态环境和运行环境
- 用python实现pdf转word(带格式)_python实现pdf转换成word/txt纯文本文件
- 微信小程序支付有云闪付支付选项,如何关闭或开通
- Document/View/Frame三口组深入探讨
- xss.haozi.me靶机
- 明源售楼系统技术解析—诚意认购(一)
- 相机帧率与曝光的关系
- 大学学计算机需不需要提前预习,大学怎么预习啊?
- JavaScript 求平均数的方法(实参个数不确定)
- PTA 1032 挖掘机技术哪家强(c语言)
- 强化学习之Q-learning算法
- 太白金星:我很关心分布式 Quorum NWR
- UBUNT14.04中红米手机与电脑的连接。
热门文章
- js中(function(){}()),(function(){})(),$(function(){});之间的区别
- Spring官网阅读(二)(依赖注入及方法注入)
- 三百年前的AI骗局:骗过美国总统和普鲁士大帝的国际象棋AI
- 深入了解 gRPC:协议
- Spring 5 新增全新的reactive web框架:webflux
- RESTful Web 服务 - 安全性
- React入门指引与实战
- apache nginx mysql php_php+Apache2+Nginx+Mysql
- python日历小程序_一个查看网络设备信息Python小程序
- masonry的约束应该写在哪里_规划奇思|“中心城区”到底在哪里?和城镇开发边界是什么关系?...