aimclub/FEDOT

FEDOT – AutoML 프레임워크

개요 – FEDOT는 머신러닝 파이프라인을 자동으로 구축하는 오픈 소스 Python 라이브러리입니다. 진화형 탐색을 사용하여 전처리, 특징 공학 및 모델 블록을 유향 그래프(directed-graph) 파이프라인으로 구성한 다음 하이퍼파라미터를 튜닝합니다. 이 라이브러리는 클래식한 AutoML 작업(분류, 회귀, 클러스터링, 시계열 예측)을 대상으로 하며, 사용자 정의 데이터 유형(텍스트, 이미지) 및 과학적 모델링(ODE/PDE)으로도 확장될 수 있습니다.

주요 기능

• 파이프라인 생성 – 수동 코딩 없이 복합 파이프라인을 자동으로 설계하고 최적화합니다.
• 진화형 최적화 – 핵심 탐색 알고리즘은 많은 파이프라인 구조를 탐색하는 유전 알고리즘 방식의 진화입니다.
• 확장성 – scikit-learn, XGBoost, CatBoost 등과 함께 작동하며, 사용자 정의 모델이나 사용자 정의 평가 지표를 플러그인으로 추가할 수 있습니다.
• 멀티태스크 지원 – 분류(이진/다중), 회귀, 클러스터링 및 시계열 예측을 기본적으로 지원합니다.
• 재현성 – 파이프라인을 JSON 또는 데이터와 함께 ZIP 파일로 내보낼 수 있습니다.
• 편리한 API – fit, predict, get_metrics 메서드를 가진 고수준 Fedot 클래스는 NumPy 배열, pandas DataFrame 또는 파일 경로와 함께 작동합니다.
• 선택적 확장 기능 – 추가 종속성을 통해 이미지, 텍스트 및 딥러닝 구성 요소를 사용할 수 있습니다.
• Docker 이미지 – 즉시 실행 가능한 컨테이너가 제공됩니다.

전형적인 사용법

from fedot.api.main import Fedot

model = Fedot(problem='classification', timeout=5, preset='best_quality', n_jobs=-1)
model.fit(features=X_train, target=y_train)
pred = model.predict(features=X_test)
metrics = model.get_metrics(target=y_test)

이 호출은 주어진 시간 예산 내에서 최적의 파이프라인을 찾기 위한 진화형 탐색을 트리거합니다.

더 알아보기

• 전체 문서: https://fedot.readthedocs.io
• 예제 노트북(입문, 시계열, 멀티모달, 하이브리드 모델링)은 별도의 fedot-examples 리포지토리에 있습니다.
• YouTube의 비디오 튜토리얼(러시아어) 및 README에 링크된 짧은 소개 영상.

프로젝트 상태

• PyPI (pip install fedot)에서 배포되며, DNN 지원을 위한 선택적 [extra]가 있습니다.
• CI 배지는 활발한 단위 테스트, 통합 테스트 및 코드 커버리지를 보여줍니다.
• ITMO 대학교의 Natural Systems Simulation Lab에서 활발하게 개발 중입니다. 향후 작업에는 LLM 가이드 AutoML (FEDOT.LLM) 및 GNN/RL을 통한 메타 학습 (GAMLET)이 포함됩니다.

사용 대상 복잡한 모델 파이프라인을 탐색하기 위한 자동화된 방법이 필요한 데이터 과학자 또는 연구자. 특히 이질적인 데이터나 시계열 문제를 다룰 때, 그리고 확장 가능한 Python 중심의 오픈 소스 솔루션을 선호하는 경우에 적합합니다.