【亲测免费】 Auto-sklearn 安装与使用指南

目录结构及介绍

Auto-sklearn 的目录结构主要围绕着自动化机器学习的需求设计，旨在简化模型选择、超参数优化和集成过程。以下是关键目录及其功能概述：

• auto-sklearn: 包含核心自动化学习算法实现。
  • classification: 自动分类任务处理。
  • regression: 自动回归任务处理。
  • ensemble: 集成模型构建工具。
  • search_spaces: 搜索空间定义，用于超参数优化。
• examples: 示例脚本和数据集。
  • example.py: 展示如何运行自动化学习实验的基础代码。
• docs: 文档和教程。
  • manual.md: 手册和用户指南。
  • installation_guide.md: 安装步骤详述。

目录结构示意

├── auto-sklearn/
│   ├── classification/
│   │   └── auto_sklearn_classifier.py
│   ├── regression/
│   │   └── auto_sklearn_regressor.py
│   ├── ensemble/
│   │   └── ensemble_builder.py
│   └── search_spaces/
│       └── hyperparameter_search_space.json
├── examples/
│   ├── example_classification.py
│   ├── example_regression.py
│   └── example_ensemble.py
└── docs/
    ├── manual.md
    └── installation_guide.md

启动文件介绍

Auto-sklearn 不是通过单一的启动文件来操作的；相反，它由一系列可调用类构成，比如 AutoSklearnClassifier 和 AutoSklearnRegressor。这些类在主模块中定义，可通过以下方式导入并初始化:

示例：Auto-sklearn 分类器启动

import autosklearn.classification

# 初始化分类器实例
clf = autosklearn.classification.AutoSklearnClassifier()

# 调用fit方法以训练模型
clf.fit(X_train, y_train)

此模式允许灵活地控制模型的选择和评估流程，同时利用自动化过程提升性能。

配置文件介绍

Auto-sklearn 允许用户通过设置环境变量或在Python脚本中传递字典的方式自定义其行为。虽然没有标准的“配置文件”，但可以通过向 AutoSklearnClassifier 或 AutoSklearnRegressor 类提供额外参数来进行调整。例如：

import autosklearn.classification

# 设置时间限制和内存预算
config_dict = {
    'time_left_for_this_task': 60,
    'per_run_time_limit': 10,
    # 更多配置选项...
}

clf = autosklearn.classification.AutoSklearnClassifier(**config_dict)
clf.fit(X_train, y_train)

其中，config_dict 可以包括多个选项，如时间资源分配（time_left_for_this_task, per_run_time_limit）、计算资源管理（n_jobs）和其他高级参数，以便更精细地控制自动化学习流程。

以上就是Auto-sklearn的基本目录结构解析、启动方式以及配置选项说明。这将帮助您快速上手并充分利用该项目的强大功能。