IBM/lale

해결하는 문제

Lale은 기계 학습 파이프라인의 알고리즘 선택과 하이퍼파라미터 튜닝을 자동화함으로써 반자동 데이터 과학을 단순화합니다. 파이프라인 검색 도구를 일관되게 관리할 필요성을 해결하면서도, 구성이 타입 안전하고 정확함을 보장합니다.

작동 방식

Lale은 Hyperopt, GridSearchCV, SMAC과 같은 기존 파이프라인 검색 도구와 통합되는 고수준 인터페이스를 제공합니다. 정확성을 보장하기 위해 JSON Schema를 사용하여 하이퍼파라미터가 요구되는 타입과 일치하는지, 데이터가 파이프라인에서 사용되는 연산자와 호환되는지 검증합니다. 또한 scikit-learn, XGBoost, PyTorch 등의 다양한 프레임워크에서 제공하는 변환기와 추정기 라이브러리도 제공합니다.

대상 사용자

새로운 프로그래밍 언어를 배우거나 전용 독립형 도구를 설치하지 않고도 자동 기계 학습(AutoML)을 실험하고 싶은 데이터 과학자에게 적합합니다.

주요 특징

• 통합 인터페이스: 여러 파이프라인 검색 도구에 일관된 방식으로 접근할 수 있습니다.
• 타입 안전성: JSON Schema를 사용해 하이퍼파라미터와 타입의 불일치 또는 데이터와 연산자 간의 불일치를 탐지합니다.
• 광범위한 상호 운용성: scikit-learn, XGBoost, PyTorch의 연산자를 지원합니다.
• Python 네이티브: Jupyter 노트북과 호환되는 표준 Python 라이브러리로 작동합니다.