AutoML 可以为预测建模问题自动找到数据准备、模型和模型超参数的最佳组合，本文整理了5个最常见且被熟知的开源AutoML 框架。

AutoML框架执行的任务可以被总结成以下几点：

• 预处理和清理数据。
• 选择并构建适当的特征。
• 选择合适的模型。
• 优化模型超参数。
• 设计神经网络的拓扑结构（如果使用深度学习）。
• 机器学习模型后处理。
• 结果的可视化和展示。

在本文中，我们将介绍以下5 个开源 autoML 库或框架：

• Auto-Sklearn
• TPOT
• Hyperopt Sklearn
• Auto-Keras
• H2O AutoML

1、Auto-Sklearn

Auto-sklearn 是一个开箱即用的自动化机器学习库。 auto-sklearn 以 scikit-learn 为基础，自动搜索正确的学习算法并优化其超参数。 通过元学习、贝叶斯优化和集成学习等搜索可以获得最佳的数据处理管道和模型。它可以处理大部分繁琐的工作，例如预处理和特征工程技术： One-Hot 编码、特征归一化、降维等。

安装：

#pip 
pip install auto-sklearn 
#conda 
conda install -c conda-forge auto-sklearn

因为进行了大量的封装，所以使用的方法sklearn基本一样，以下是样例代码：

import sklearn.datasets 
import sklearn.metrics 
import autosklearn.regression 
import matplotlib.pyplot as plt 
X, y = sklearn.datasets.load_diabetes(return_X_y=True) 
X_train, X_test, y_train, y_test = sklearn.model_selection.train_test_split(X, y, random_state=1) 
automl = autosklearn.regression.AutoSklearnRegressor( 
time_left_for_this_task=120, 
per_run_time_limit=30, 
tmp_folder='/tmp/autosklearn_regression_example_tmp', 
) 
automl.fit(X_train, y_train, dataset_name='diabetes')

2、TPOT

TPOT（Tree-based Pipeline Optimization Tool）是一个 Python 自动化机器学习工具，它使用遗传算法优化对机器学习的流程进行优化。它也是基于 Scikit-Learn 提供的方法进行数据转换和机器学习模型的构建，但是它使用遗传算法编程进行随机和全局搜索。以下是TPOT 搜索流程：

安装：

#pip 
pip insall tpot 
#conda 
conda install -c conda-forge tpot

样例代码：

from tpot import TPOTClassifier 
from sklearn.datasets import load_iris 
from sklearn.model_selection import train_test_split 
from sklearn.datasets import load_iris 
import numpy as np 

iris = load_iris() 
X_train, X_test, y_train, y_test = train_test_split(iris.data.astype(np.float64), 
iris.target.astype(np.float64), train_size=0.75, test_size=0.25, random_state=42) 

tpot = TPOTClassifier(generations=5, population_size=50, verbosity=2, random_state=42) 
tpot.fit(X_train, y_train) 
print(tpot.score(X_test, y_test)) 
tpot.export('tpot_iris_pipeline.py')

3、HyperOpt-Sklearn：

HyperOpt-Sklearn 是 HyperOpt 的包装器，可以将 AutoML 和 HyperOpt 与 Scikit-Learn 进行整合，这个库包含了数据预处理的转换和分类、回归算法模型。文档中介绍说：它专为具有数百个参数的模型进行大规模优化而设计 并允许跨多核和多台机器扩展优化过程。

安装：

pip install hyperopt

样例代码：

from pandas import read_csv 
from sklearn.datasets import load_iris 
from sklearn.model_selection import train_test_split 
from sklearn.metrics import mean_absolute_error 
from hpsklearn import HyperoptEstimator 
from hpsklearn import any_regressor 
from hpsklearn import any_preprocessing 
from hyperopt import tpe 
# load dataset 
iris = load_iris() 
X_train, X_test, y_train, y_test = train_test_split(iris.data.astype(np.float64), 
iris.target.astype(np.float64), train_size=0.75, test_size=0.25, random_state=42) 
model = HyperoptEstimator(regressor=any_regressor('reg'), preprocessing=any_preprocessing('pre'), loss_fn=mean_absolute_error, algo=tpe.suggest, max_evals=50, trial_timeout=30) 
model.fit(X_train, y_train) 
# summarize performance 
mae = model.score(X_test, y_test) 
print("MAE: %.3f" % mae) 
# summarize the best model 
print(model.best_model())

4、AutoKeras

AutoKeras 是一个基于 Keras 的 AutoML 系统，只需几行代码就可以实现神经架构搜索（NAS）的强大功能。 它由德克萨斯 A&M 大学的 DATA 实验室开发，以 TensorFlow的tf.keras API 和Keras为基础进行实现 。

AutoKeras 可以支持不同的任务，例如图像分类、结构化数据分类或回归等。

安装：

pip install autokeras

样例代码：

import numpy as np 
import tensorflow as tf 
from tensorflow.keras.datasets import mnist 
import autokeras as ak 
#Load dataset 
(x_train, y_train), (x_test, y_test) = mnist.load_data() 
print(x_train.shape) # (60000, 28, 28) 
print(y_train.shape) # (60000,) 
print(y_train[:3]) # array([7, 2, 1], dtype=uint8) 

# Initialize the image classifier. 
clf = ak.ImageClassifier(overwrite=True, max_trials=1) 
# Feed the image classifier with training data. 
clf.fit(x_train, y_train, epochs=10) 

# Predict with the best model. 
predicted_y = clf.predict(x_test) 
print(predicted_y) 
# Evaluate the best model with testing data. 
print(clf.evaluate(x_test, y_test))

5、H2O AutoML：

H2O 的 AutoML 可用于在用户指定的时间限制内自动训练和调整许多模型。

H2O 提供了许多适用于 AutoML 对象（模型组）以及单个模型的可解释性方法。 可以自动生成解释，并提供一个简单的界面来探索和解释 AutoML 模型。

安装：

pip insall h2o

H2O可以更详细的说是一个分布式的机器学习平台，所以就需要建立H2O的集群，这部分的代码是使用的java开发的，就需要安装jdk的支持。

在安装完成JAVA后，并且环境变量设置了java路径的情况下在cmd执行以下命令：

java -jar path_to/h2o.jar

就可以启动H2O的集群，就可以通过Web界面进行操作，如果想使用Python代码编写，可以使用以下示例

import h2o 
h2o.init() 
from h2o.automl import H2OAutoML 
churn_df = h2o.import_file('https://raw.githubusercontent.com/srivatsan88/YouTubeLI/master/dataset/WA_Fn-UseC_-Telco-Customer-Churn.csv') 
churn_df.types 
churn_df.describe() 
churn_train,churn_test,churn_valid = churn_df.split_frame(ratios=[.7, .15]) 
churn_train 
y = "Churn" 
x = churn_df.columns 
x.remove(y) 
x.remove("customerID") 
aml = H2OAutoML(max_models = 10, seed = 10, exclude_algos = ["StackedEnsemble", "DeepLearning"], verbosity="info", nfolds=0) 
!nvidia-smi 
aml.train(x = x, y = y, training_frame = churn_train, validation_frame=churn_valid) 

lb = aml.leaderboard 
lb.head() 
churn_pred=aml.leader.predict(churn_test) 
churn_pred.head() 
aml.leader.model_performance(churn_test) 
model_ids = list(aml.leaderboard['model_id'].as_data_frame().iloc[:,0]) 
#se = h2o.get_model([mid for mid in model_ids if "StackedEnsemble_AllModels" in mid][0]) 
#metalearner = h2o.get_model(se.metalearner()['name']) 
model_ids 
h2o.get_model([mid for mid in model_ids if "XGBoost" in mid][0]) 
out = h2o.get_model([mid for mid in model_ids if "XGBoost" in mid][0]) 
out.params 
out.convert_H2OXGBoostParams_2_XGBoostParams() 
out 
out_gbm = h2o.get_model([mid for mid in model_ids if "GBM" in mid][0]) 
out.confusion_matrix() 
out.varimp_plot() 
aml.leader.download_mojo(path = "./")

总结

在本文中，我们总结了 5 个 AutoML 库以及它如何检查机器学习进行任务的自动化，例如数据预处理、超参数调整、模型选择和评估。除了这5个常见的库以外还有一些其他 AutoML 库，例如 AutoGluon、MLBoX、TransmogrifAI、Auto -WEKA、AdaNet、MLjar、TransmogrifAI、Azure Machine Learning、Ludwig等。

作者：Abonia Sojasingarayar