自动化的机器学习：5个常用AutoML 框架介绍

AutoML 可以为预测建模问题自动找到数据准备、模型和模型超参数的最佳组合，本文整理了5个最常见且被熟知的开源AutoML 框架。

AutoML框架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，我们将介绍以下5 个开源 autoML 库或框架：

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

完整文章：

https://www.overfit.cn/post/a5f1160b23ad4fea914ed394254f845a

标签：框架,Auto,模型,开源,AutoML,自动化,Sklearn
来源： https://www.cnblogs.com/deephub/p/16128852.html