FLAML: 用于模型选择和超参数优化的快速且经济的 AutoML 引擎

它解决了什么问题

FLAML 旨在使机器学习和 AI 运营更加经济和高效。它解决了在不消耗过多计算资源或不需要深厚的专家手动调优经验的情况下，寻找性能最佳的模型和超参数的问题。

它是如何工作的

FLAML 提供了一个轻量级的 Python 库，可自动选择机器学习模型并优化超参数。它支持分类和回归等常见任务，并可以作为 scikit-learn 风格的评估器使用。它还为自定义函数、基础模型推理超参数以及 MLOps/LMOps 工作流提供通用的超参数调优工具。

适用人群

它适用于希望以较低的计算成本快速为数据寻找高质量模型的数据科学家和 AI 从业者，或者需要为各种 AI 工作流提供快速、资源受限的超参数调优工具的人员。

亮点

• 拥有 scikit-learn 风格的 API，便于集成
• 支持 Zero-shot AutoML，可根据训练数据自动设置超参数
• 能够处理具有复杂约束和早停机制的大型搜索空间
• 与 MLflow 和 Microsoft Fabric Data Science 集成
• 支持广泛的评估器，包括 XGBoost、LightGBM 和 Random Forest