搜索研究与资料 · 工具介绍
auto-sklearn
auto-sklearn 是提供 scikit-learn 估计器替代接口的自动机器学习工具包。可通过分类器对象在训练数据上拟合，再对测试特征生成预测。
auto-sklearn 能做什么
auto-sklearn 是提供 scikit-learn 估计器替代接口的自动机器学习工具包。可通过分类器对象在训练数据上拟合，再对测试特征生成预测。
- 模型训练与部署
如何使用 auto-sklearn
通过自动分类器拟合并预测测试数据
准备输入
- 训练特征 X_train、对应标签 y_train，以及测试特征 X_test。
操作步骤
- 在已安装的环境中导入 autosklearn.classification 并创建 AutoSklearnClassifier。
- 调用 fit 传入训练特征与标签，再调用 predict 处理测试特征。
预期交付物
- 分类器返回的测试数据预测结果。
人工检查训练与测试样本是否混用、输入特征是否一致，并用真实测试标签评估结果；示例中的 fit 和 predict 调用本身不证明模型适合生产。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从搜索研究与资料角度评估auto-sklearn
把搜索研究与资料需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
来源能否回看
需要能打开的原始页面或文档位置，不能只有一段无出处的摘要。
范围是否与问题一致
核对日期、地区、对象与定义，不把相似术语当成同一事实。
是否保留反例
把冲突资料和未解决问题放进结论，避免只找支持原想法的证据。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
