机器学习笔记 - AutoML框架FLAML初体验

一、概述

        AutoML在近年来的各类机器学习和Kaggle比赛中层出不穷，明显是机器学习的一个趋势，自动化机器学习提供了方法和流程，使机器学习可供非机器学习专家使用，以提高机器学习的效率并加速机器学习的研究。

        FLAML是今年由微软主推的一个全新的高效轻量级自动化机器学习框架。

        FLAML 是一个轻量级的 Python 库，可自动、高效且经济地找到准确的机器学习模型。它使用户不必为每个学习者选择学习者和超参数。

        对于分类和回归等常见的机器学习任务，它可以快速找到计算资源较少的用户提供数据的质量模型。它支持经典机器学习模型和深度神经网络。

        它很容易定制或扩展。用户可以从一个平滑的范围内找到他们想要的可定制性：最小定制（计算资源预算）、中等定制（例如，scikit 风格的学习器、搜索空间和度量）或完全定制（任意训练和评估代码）。

        它支持快速自动调优，能够处理复杂的约束/指导/提前停止。FLAML 由 Microsoft Research 发明的一种新的、具有成本效益的超参数优化和学习器选择方法提供支持。

        另外FLAML 还具有来自Visual Studio 2022中的ML.NET Model Builder的.NET 实现。

二、安装和使用简介

1、安装