microsoft/FLAML

What it solves

FLAML 是为了让机器学习和 AI 操作变得更加经济且高效。它解决了在不消耗过多的计算资源或不需要深厚的专业调优知识的情况下，寻找最佳性能的模型和超参数的问题。

How it works

FLAML 提供了一个轻量级的 Python 库，用于自动化机器学习模型的选择和超参数的优化。它支持常见的任务，如分类和回归，并可以作为 scikit-learn 风格的 estimator 形式使用。它还为自定义函数、基础模型推理超参数以及 MLOps/LMOps 工作流提供了通用的超参数调优工具。

Who it’s for

它适用于想要快速为自己的数据寻找高质量模型，且希望低计算成本，或者需要一个快速、资源受限的超参数调优工具来应对各种 AI 工作流的数据科学家和 AI 从业者。

Highlights

• 拥有 scikit-learn 风格的 API，便于集成
• 支持 Zero-shot AutoML 以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 (early stopping) 的 early search space
• 集成与 MLflow 和 Microsoft Fabric Data Science
• 支持广泛的 estimator 形式，包括 XGBoost, LightGBM, 和 Random Forest