FLAML: 一個用於模型選擇與超參數優化的快速且經濟的 AutoML 引擎

它解決了什麼問題

FLAML 旨在讓機器學習與 AI 營運更加經濟且高效。它解決了在不消耗過多計算資源或不需要深厚的專業手動調優知識的情況下，尋找最佳性能模型與超參數的問題。

運作方式

FLAML 提供了一個輕量級的 Python 函式庫，可自動化機器學習模型的選擇與超參數的優化。它支援常見的任務，例如分類與回歸，並且可以作為 scikit-learn 風格的估計器使用。它還為自定義函數、基礎模型推理超參數以及 MLOps/LMOps 工作流提供了一個通用的超參數調優工具。

對象是誰

它適用於希望以低計算成本快速為其數據尋找高品質模型的數據科學家與 AI 從業者，或是需要一個快速、資源受限的超參數調優工具來應對各種 AI 工作流的人士。

重點特色

• 擁有 scikit-learn 風格的 API，便於整合
• 支援 Zero-shot AutoML，可根據訓練數據自動設置超參數
• 能夠處理具有複雜約束與早停機制（early stopping）的大型搜索空間
• 與 MLflow 和 Microsoft Fabric Data Science 整合
• 支援廣泛的估計器，包括 XGBoost、LightGBM 和 Random Forest