openml/openml-python

OpenML‑Python – 简介

OpenML‑Python 是一个客户端库，允许您从 Python 与 OpenML 平台交互。OpenML 是一个在线存储库，研究人员可以在其中共享数据集、机器学习任务（例如预定义的训练-测试分割）以及实验结果。该库提供了 OpenML REST API 的简洁 Pythonic 包装器，使您无需离开代码即可下载数据、获取基准测试套件并上传自己的运行结果。

---

核心功能（如 README 中所述）

功能	说明
数据集访问	openml.datasets.get_dataset(id_or_name) 返回 Dataset 对象；get_data() 为您提供 X, y, ...，可直接用于 scikit‑learn 或其他工具。
任务处理	openml.tasks.get_task(id) 获取预定义的 任务（例如，具有特定训练-测试分割的分类问题）。您可以检索底层数据集和分割索引。
基准测试套件	openml.study.get_suite(name) 返回精选的任务 ID 列表（例如 amlb-classification-all）。遍历套件以运行大规模基准测试实验。
上传/下载运行	虽然代码片段中未显示，但该库还支持将实验结果发布回 OpenML，使其成为公共基准测试的一部分。
跨平台，最新 Python	适用于 Python 3.10‑3.14，并支持 Linux、macOS 和 Windows。
安装	简单的 pip install openml。
引用支持	提供描述该库的 JMLR 论文的可复制 BibTeX 条目。

---

典型用例工作流程

1. 选择数据集或任务 – 按名称（"credit-g"）或数字 ID 选择。
2. 加载数据 – X, y = dataset.get_data(target="class") 为您提供特征和标签。
3. 如果需要特定分割 – 从任务对象中检索（task.get_train_test_split_indices）。
4. 运行您的模型 – 在训练索引上训练任何 scikit‑learn / PyTorch 等模型，并在测试索引上评估。
5. （可选）上传结果 – 使用 OpenML API 发布您的运行，以便其他人进行比较。
6. 扩展规模 – 获取整个任务套件，并自动重复该过程以进行大规模基准测试。

---

谁可能使用这个？

• 研究人员 – 希望跨多个数据集进行可重复的基准测试，而无需手动下载每个 CSV。
• 学生 – 学习模型评估；预定义的任务保证了相同的训练-测试分割。
• 工具构建者 – 需要以编程方式查询 OpenML 以进行元学习或自动化 ML 流水线的人。

---

入门

pip install openml

import openml
# README 中的示例
dataset = openml.datasets.get_dataset("credit-g")
X, y, _, _ = dataset.get_data(target="class")

官方文档（徽章中链接）包含有关身份验证、上传运行和高级查询选项的更多详细信息。

---

社区与贡献

该项目欢迎任何级别的贡献。鼓励新贡献者从标记为 "good first issue" 的问题开始，完整的贡献指南位于存储库中。

---

简而言之： OpenML‑Python 是 OpenML 数据科学平台的真正且积极维护的 Python 客户端，旨在让任何进行机器学习研究的人都能轻松访问数据集和基准测试。