MLJAR Supervised: 自动机器学习的Python包

MLJAR Supervised: 自动机器学习的Python包

mljar-supervised mljar/mljar-supervised: 是一个基于 AUTOML 的机器学习框架，支持多种数据类型和任务，适合用于快速构建和部署机器学习模型。 项目地址: https://gitcode.com/gh_mirrors/ml/mljar-supervised

MLJAR Supervised 是一个开源的Python包，致力于为表格数据提供自动化机器学习解决方案。该项目主要使用Python编程语言开发。

核心功能

MLJAR Supervised 的核心功能包括自动数据预处理、机器学习模型构建、超参数调优以及自动生成Markdown格式的模型报告。以下是它的几个亮点：

• 自动数据预处理：自动处理缺失值、类别变量转换等数据预处理任务。
• 算法选择和超参数调优：尝试多种机器学习算法，如线性模型、随机森林、XGBoost、LightGBM、CatBoost和神经网络等，并进行超参数调优。
• 自动文档生成：为每个机器学习模型自动生成详细的Markdown报告，包括模型的性能指标、学习曲线、特征重要性等。
• 模型解释性：提供了多种模型解释方法，如决策树可视化、线性模型系数显示、排列重要性以及SHAP解释。

最近更新的功能

MLJAR Supervised 最近更新的功能包括：

• 增强了模型的可解释性：添加了SHAP图，用于可视化特征对模型预测的影响。
• 改进了超参数搜索算法：采用了效果更好的非随机搜索算法，以及爬山法对最终模型进行微调。
• 新增了自动特征工程：包括黄金特征（Golden Features）、特征选择、文本和时间变换等高级特征工程技术。
• 改进了模型性能报告：性能报告现在包含了更详细的图表和指标，帮助用户更直观地比较不同模型的性能。

MLJAR Supervised 是一个功能强大的自动化机器学习工具，特别适合数据科学家和机器学习工程师，能够显著提高工作效率和模型性能。

mljar-supervised mljar/mljar-supervised: 是一个基于 AUTOML 的机器学习框架，支持多种数据类型和任务，适合用于快速构建和部署机器学习模型。 项目地址: https://gitcode.com/gh_mirrors/ml/mljar-supervised