當我們做完了特徵工程之後，就可以代入模型訓練和**，對於模型的選擇及調參，主要根據分析者的經驗。在具體使用時，經常遇到同一批資料，同一種模型，不同的分析者得出的結果相差很多。
前面學習了幾種常用的機器學習方法原理以及適用場景，對於完全沒有經驗的開發者，只要有足夠時間，嘗試足夠多的演算法和引數組合，理論上也能達到最優的訓練結果，同理程式也能實現該功能，並通過演算法優化該過程，自動尋找最優的模型解決方案，即自動機器學習框架。
auto-sklearn主要基於sklearn機器學習庫，使用方法也與之類似，這讓熟悉sklearn的開發者很容易切換到auto-sklearn。在模型方面，除了sklearn提供的機器學習模型，還加入了xgboost演算法支援；在框架整體調優方面，使用了貝葉斯優化。
auto-sklearn需要基於python3.5以上版本，且依賴swig，因此需要先安裝該庫，具體方法如下：
$ sudo apt-get install build-essential swig
$ pip install auto-sklearn
$ git cloneauto-sklearn支援切分訓練/測試集的方式，也支援使用交叉驗證。從而減少了訓練模型的**量和程式的複雜程度。另外，auto-sklearn支援加入擴充套件模型以及擴充套件**處理方法，具體用法可參見其原始碼example中的示例。
其缺點是auto-sklearn輸出攜帶的資訊較少，如果想進一步訓練只能重寫**。
本例使用96年美國**資料，將」投票vote」作為因變數，它有只0/1兩種取值，因此使用分類方法autosklearnclassifier，例程中將訓練時間指定為兩分鐘，模型指定為只選擇隨機森機random_forest，訓練後輸出其在訓練集上的打分score。
import autosklearn.classification
import statsmodels.api as sm
data = sm.datasets.anes96.load_pandas().data
label = 'vote'
features = [i for i in data.columns if i != label]
x_train = data[features]
y_train = data[label]
automl = autosklearn.classification.autosklearnclassifier(
time_left_for_this_task=120, per_run_time_limit=120, # 兩分鐘
include_estimators=["random_forest"])
automl.fit(x_train, y_train)
print(automl.score(x_train, y_train))
# 返回結果: 0.94173728813559321
# 謝彥技術部落格
下面介紹其常用引數，分為四個部分：
(1) 控制訓練時間和記憶體使用量
引數預設訓練總時長為一小時（3600），一般使用以下引數按需重置，單位是秒。
(2) 模型儲存
引數預設為訓練完成後刪除訓練的暫存目錄和輸出目錄，使用以下引數，可指定其暫存目錄及是否刪除。
(3) 資料切分
使用resampling_strategy引數可設定訓練集與測試集的切分方法，以防止過擬合，用以下方法設定五折交叉驗證：
用以下方法設定將資料切分為訓練集和測集，其中訓練集資料佔2/3。
(4) 模型選擇
引數支援指定備選的機器學習模型，或者從所有模型中去掉一些機器學習模型，這兩個引數只需要設定其中之一。
auto-sklearn除了支援sklearn中的模型以外，還支援xgboost模型。具體模型及其在auto-sklearn中對應的名稱可通過檢視原始碼中具體實現方法獲取，通過以下目錄內容檢視支援的分類模型：autosklearn/pipeline/components/classification/，可看到其中包含：adaboost、extra_trees、random_forest、libsvm_svc、xgradient_boosting等方法。
自動機器學習框架之二 AutoML
auto ml auto machine learning 自動機器學習是個寬泛的概念，有不只乙個軟體以此命名，本篇介紹的auto ml並非谷歌基於雲平台的 automl。本篇介紹的auto ml也是一款開源的離線工具，它的優勢在於簡單快速，且輸出資訊比較豐富。它預設支援keras tensorfl...
自動機器學習框架之三 Auto Keras
對於訓練深度學習，設計神經網路結構是其中技術含高最高的任務，優秀的網路架構往往依賴建構模型的經驗，專業領域知識，以及大量的算力試錯。實際應用中往往基於類似功能的神經網路微調生成新的網路結構。auto keras是乙個離線使用的開源庫，用於構建神經網路結構和搜尋超引數，支援rnn，cnn神經網路，它使...
自動機器學習簡述（AutoML）
一 為什麼需要自動機器學習 二 超引數優化 hyper parameter optimization 三 元學習 meta learning 四 神經網路架構搜尋 neural architecture search 五 自動化特徵工程 六 其它自動機器學習工具集 對於機器學習的新使用者而言，使用機...