sapientml/sapientml

解决的问题

SapientML 解决了自动化机器学习（AutoML）中的「搜索空间爆炸」问题。传统 AutoML 工具在处理大型、复杂的表格数据集时，常常难以找到最优的流水线，甚至完全失败，因为机器学习组件的可能组合数量过于庞大，无法高效搜索。

工作原理

SapientML 通过从现有数据集和人类编写的解决方案（从 Kaggle 等来源挖掘）的语料库中学习，采用生成式方法合成机器学习流水线。它采用三阶段分而治之的程序合成策略：

1. 元学习：预测特定任务下一组合理的机器学习组件。
2. 流水线优化：使用流水线数据流模型，将这些组件缩小为少量可行的具体流水线。
3. 动态评估：评估剩余的流水线，选择性能最佳的解决方案。

适用人群

专为需要为表格数据（分类和回归）生成高质量预测流水线，但无需手动设计整个工作流的数据科学家和开发者而设计。

主要亮点

• 生成式代码：与某些 AutoML 工具仅提供模型对象不同，SapientML 可以生成实际用于构建流水线的 Python 代码，可保存并重复使用。
• 人类启发式：从 170 个数据集上的 1,094 个由人类编写的流水线中学习。
• 鲁棒性：特别设计用于处理大型真实世界数据集，其他 AutoML 工具可能无法生成流水线的情况。