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