mljar/mljar-supervised

解决的问题

MLJAR AutoML 旨在通过自动化表格数据机器学习流程中重复的部分，为数据科学家节省时间。它抽象了数据预处理、模型构建和超参数调参的过程，以找到性能最佳的模型，同时避免成为“黑箱”。

工作原理

该包提供一个高级的 AutoML 类来管理整个流程。它支持四种不同的运行模式：

• Explain：专注于使用简单模型（如决策树）和大量可视化（SHAP、dtreeviz）进行数据理解。
• Perform：针对生产环境用例优化，采用 5 折交叉验证和一系列稳健的算法。
• Compete：专为机器学习竞赛设计，采用堆叠、集成和自适应验证策略。
• Optuna：通过使用 Optuna 框架进行超参数调参，优先考虑最大性能而非计算时间。

它处理特征工程（包括“黄金特征”）、缺失值填补和目标预处理。它还包含公平性感知训练，通过样本加权和智能网格搜索来减轻偏差。

适用对象

处理表格数据的数据科学家和 ML 工程师，希望自动化模型选择和调参，同时保持结果的完全透明和可解释性。

亮点

• 透明报告：自动为每个实验和模型生成详细的 Markdown 报告，包括指标和图表。
• Web 应用生成：可通过 Mercury 自动为非技术利益相关者创建交互式预测 Web 应用。
• 广泛的算法支持：包括基线、线性、随机森林、极限树、LightGBM、Xgboost、CatBoost、神经网络和最近邻。
• 公平性工具：内置支持公平性指标和偏差减轻，适用于二元/多类分类和回归。
• 自动持久化：自动保存和加载模型，以便在中断后恢复训练。