【python机器学习模型之AutoML】

机器学习的应用需要大量的人工干预，这些人工干预表现在：特征提取、模型选择、参数调节等机器学习的各个方面。而AutoML将这些与特征、模型、优化、评价有关的重要步骤进行自动化地学习，使得机器学习模型无需人工干预即可被应用。
AutoGluo支持易使用和易扩展的AutoML，并专注于涵盖图像、文本或表格数据的深度学习和实际应用。

AutoGluon的优势有：
通过几行代码即可快速地为原始数据构建深度学习模型；
实现自动超参数调优、模型选择/架构搜索和数据预处理；
无需专业知识即可使用当前最优深度学习方法；
轻松地提升现有的模型和数据管道，或者根据用例自定义 AutoGluon。
更多信息可参阅AutoGluon官网：https://auto.gluon.ai/
安装AutoGluon命令：pip install autogluon
本文中使用的是机器学习常用的Titanic数据集（图1），预测乘客是否生还。

其中包含数字型与文本型特征，并含有大量缺失值。若使用传统机器学习模型来拟合，需要将大量时间耗费在缺失值填充、特征提取、参数调优上。而使用AutoGluon可以省去这些步骤，直接拟合模型。读取数据、拟合加预测仅需4行代码（图2、图3）。最终模型的准确率高达84.4%，十分优秀。

欢迎大家转发，一起传播知识和正能量，帮助到更多人。辛苦大家转发时注明出处(也是咱们公益编程交流群的入口网址)，刘经纬老师共享知识相关文件下载地址为：http://liujingwei.cn