搜索研究与资料 · 工具介绍
EvalML
EvalML 是自动构建、优化和评估机器学习流水线的 Python 工具，覆盖数据检查、预处理、特征工程和模型选择，并支持面向具体业务目标的评价函数。
EvalML 能做什么
EvalML 是自动构建、优化和评估机器学习流水线的 Python 工具，覆盖数据检查、预处理、特征工程和模型选择，并支持面向具体业务目标的评价函数。
- 模型训练与部署
- 语言模型与智能体质量评估及回归检查
如何使用 EvalML
搜索并比较二分类流水线
准备输入
- 用于二分类的特征数据和标签，以及单独保留的测试数据。
操作步骤
- 安装 evalml，按示例用 split_data 划分训练集与测试集。
- 将训练数据交给 AutoMLSearch，设定 binary 问题类型并调用 search。
- 查看 rankings，取出 best_pipeline 对测试数据预测并检查结果。
预期交付物
- 候选流水线排名、选出的流水线对象及测试数据预测结果。
先处理数据检查提示，并人工核查训练与测试数据的划分、标签质量和业务评价指标；搜索排名不能替代独立验证。
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EvalML
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。
