自动化机器学习AutoML之flaml：利用flaml框架自动寻找最优算法及其对应最佳参数python

一、自动化机器学习包简介

机器学习算法建模的流程大致为：

数据准备，包括数据收集，数据清理；
特征工程，包括特征提取，特征构建，特征选择；
模型生成，包括模型选择，模型优化（调参）；
模型评估。
再往后就是模型部署，运行监控了。

  现有自动化的机器学习包通常都可以自动完成整个流程的部分工作，尤其是模型建立+模型优化+模型评估，然后选出最优模型。
  而理想化的机器学习算法应用应该是这样子的——只需要提供数据，其它什么数据清理、特征选择、模型优化、模型评估、部署和监控，全部交给代码自动完成。
下面，我们先逐一介绍目前市面上主流的几款机器学习自动化包，并比较它们之间的优劣。

1、H2O （Python，R，Java，Scala）

优点：编程工具兼容性最强，支持目前四大主流的机器学习语言；Python（需要Java支持）, R（需要Java支持，首次配置麻烦）, Java, Scala；
核心功能：HPO，超参数优化；
支持大数据平台：Hadoop, Spark，Kubernetes。

2、auto-sklearn（Linu