搜索研究与资料 · 工具介绍
FLAML
自动进行机器学习模型选择和参数调优，可在资源约束下为分类、回归等任务寻找候选模型。
FLAML 能做什么
自动进行机器学习模型选择和参数调优，可在资源约束下为分类、回归等任务寻找候选模型。
- 模型训练与部署
如何使用 FLAML
给分类数据自动选择训练方案
准备输入
- 训练特征与标签
- 允许尝试的学习器范围及评价要求
操作步骤
- 安装 AutoML 组件，整理训练特征和标签。
- 创建 AutoML 实例，指定分类任务并调用 fit；需要时限定 estimator_list。
- 对选出的训练方案做独立验证，确认表现后再接入业务程序。
预期交付物
- 基于训练数据得到的模型选择和调参结果
自动搜索不保证对新数据同样有效；训练数据质量、搜索范围和评价标准仍需自行检查。
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FLAML
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。
