用于文本、图像和表格数据的 AutoML
项目描述
用于文本、图像和表格数据的 AutoML
AutoGluon 自动执行机器学习任务，使您能够轻松地在应用程序中实现强大的预测性能。只需几行代码，您就可以在文本、图像和表格数据上训练和部署高精度机器学习和深度学习模型。
例子
# First install package from terminal:
# python3 -m pip install -U pip
# python3 -m pip install -U setuptools wheel
# python3 -m pip install -U "mxnet<2.0.0"
# python3 -m pip install autogluon # autogluon==0.2.0
from autogluon.tabular import TabularDataset, TabularPredictor
train_data = TabularDataset('https://autogluon.s3.amazonaws.com/datasets/Inc/train.csv')
test_data = TabularDataset('https://autogluon.s3.amazonaws.com/datasets/Inc/test.csv')
predictor = TabularPredictor(label='class').fit(train_data, time_limit=120) # Fit models for 120s
leaderboard = predictor.leaderboard(test_data)
| AutoGluon 任务 | 快速开始 | API |
|---|---|---|
| 表格预测器 |  |
 |
| 文本预测器 | |
|
| 图像预测器 | |
|
| 物体检测器 | |
|
消息
前用户公告： AutoGluon 代码库已模块化为命名空间包，这意味着您现在只需要那些与您感兴趣的预测任务相关的依赖项！例如，您现在可以使用表格数据，而无需安装AutoGluon 的计算机视觉任务所需的依赖项（反之亦然）。不幸的是，对于高于 v0.0.15 的所有版本，此改进需要对 API 进行较小的更改（例如from autogluon import TabularPrediction，您现在应该这样做：而不是 ：）。from autogluon.tabular import TabularPredictor旧 API 下的文档/教程仍然可以查看0.0.15 版本，这是旧 API 下的最后一个发布版本。
资源
有关以下方面的文档和说明，请参阅AutoGluon 网站：
科学出版物
- AutoGluon-Tabular：用于结构化数据的稳健且准确的 AutoML（Arxiv，2020 年）
文章
- 用于表格数据的 AutoGluon：3 行代码在 Kaggle 比赛中达到前 1%（AWS 开源博客，2020 年 3 月）
- 使用 AutoGluon 用 3 行代码进行准确的图像分类（中，2020 年 2 月）
- AutoGluon 概述和示例应用程序（Towards Data Science，2019 年 12 月）
动手教程
在云端训练/部署 AutoGluon
- AWS Marketplace 上的 AutoGluon-表格
- 在 Amazon SageMaker 上运行 AutoGluon-Tabular
- 在 Amazon SageMaker 上运行 AutoGluon 图像分类
引用 AutoGluon
如果您在科学出版物中使用 AutoGluon，请引用以下论文：
埃里克森、尼克等人。“AutoGluon-Tabular：用于结构化数据的稳健且准确的 AutoML。” arXiv 预印本 arXiv:2003.06505 (2020)。
中文提供条目：
@article{agtabular,
title={AutoGluon-Tabular: Robust and Accurate AutoML for Structured Data},
author={Erickson, Nick and Mueller, Jonas and Shirkov, Alexander and Zhang, Hang and Larroy, Pedro and Li, Mu and Smola, Alexander},
journal={arXiv preprint arXiv:2003.06505},
year={2020}
}
用于超参数和神经架构搜索 (HNAS) 的 AutoGluon
AutoGluon 还为神经超参数和架构搜索提供最先进的工具，例如 ASHA、Hyperband、贝叶斯优化和 BOHB。要开始，请查看以下资源
另请查看我们的论文“基于模型的异步超参数和神经架构搜索” arXiv 预印本 arXiv:2003.10865 (2020)。
@article{abohb,
title={Model-based Asynchronous Hyperparameter and Neural Architecture Search},
author={Klein, Aaron and Tiao, Louis and Lienart, Thibaut and Archambeau, Cedric and Seeger, Matthias},
journal={arXiv preprint arXiv:2003.10865},
year={2020}
}
用于约束超参数优化的 AutoGluon
AutoGluon 包括一种用于约束超参数优化的算法。查看我们在公平约束下应用它来优化模型性能的论文：“公平贝叶斯优化”，AIES (2021)。
@article{fairbo,
title={Fair Bayesian Optimization},
author={Perrone, Valerio and Donini, Michele and Zafar, Bilal Muhammad and Schmucker, Robin and Kenthapadi, Krishnaram and Archambeau, Cédric},
journal={AIES},
year={2021}
}
执照
该库在 Apache 2.0 许可下获得许可。
为 AutoGluon 做贡献
我们正在积极接受对 AutoGluon 项目的代码贡献。如果您有兴趣为 AutoGluon 做出贡献，请阅读贡献指南以开始。
