microsoft/FLAML

What it solves

FLAML 是為了讓機器學習和 AI 操作變得更加經濟且高效。它解決了在不消耗過多計算資源或不需要深厚的專業調優知識的情況下，尋找最佳性能模型和超參數的問題。

How it works

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和超參數的優化。它支援常見的任務，例如分類和回歸，並可以作為 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。

Who it’s for

它適用於希望以低計算成本快速尋找數據的高質量模型，或者需要一個快速、資源受限的超參數調優工具來應對各種 AI 工作流的數據科學家和 AI 從業者。

Highlights

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