autogluon/autogluon

解决的问题

AutoGluon 通过自动选择和组合算法，简化了构建高性能机器学习模型的过程。它消除了用户手动尝试不同模型或调整超参数的需要，从而能够以极少的编码工作量实现强大的预测性能。

工作原理

AutoGluon 根据特定的数据集和用例，自动识别最佳的模型组合——范围涵盖从经典的 ML 算法到现代的基础模型。它为不同的数据类型提供专门的预测器：

• TabularPredictor：用于表格中的结构化数据。
• TimeSeriesPredictor：用于概率性时间序列预测。
• MultiModalPredictor：用于利用基础模型的多模态数据。

适用对象

它专为想要快速构建准确的端到端 ML 模型的用户而设计，从希望自动执行枯燥的模型选择环节的数据科学家，到需要用极少行代码实现强大预测性能的开发人员。

亮点

• 极简代码：仅需三行代码即可构建模型。
• 广泛的数据支持：处理表格、时间序列和多模态数据。
• 自动模型选择：为给定任务自动寻找最佳模型组合。
• 基础模型集成：结合基础模型以增强预测能力。