#3 · 主分类： 优化与启发式算法
FLAML
automated-machine-learning
automl
classification
data-science
deep-learning
finetuning
hyperparam
hyperparameter-optimization
jupyter-notebook
machine-learning
natural-language-generation
natural-language-processing
python
random-forest
regression
scikit-learn
tabular-data
timeseries-forecasting
tuning
一个用于自动机器学习和调优的快速库。加入我们的Discord：https://discord.gg/Cppx2vSPVP。
项目最后更新：08/29/26
GitHub Stars
4.4K
Forks数量
563
贡献者数量
104
许可证
MIT
收录理由
FLAML 是一个轻量级的 Python 库，专门用来减少模型选择和超参数调优中的手工操作。你只要把表格数据连同分类或回归任务交给它的 AutoML 引擎，它就能在设定的时间或资源限制下，自动挑出合适的模型并分配搜索预算，最终返回一个可用的 scikit-learn 风格估计器。同一个库还提供了通用的调优 API，可以优化任意 Python 函数的参数，无论是 XGBoost、LightGBM 的配置，还是基础模型的推理设置，都能覆盖，而且能应对很大的搜索空间和不太均匀的评估成本。数据科学家可以借助低代码入口快速上手，工程师也能进行扩展，并接入 MLflow 跟踪来适配现有的 MLOps 流程。零样本模式是个亮点：它能让 LightGBM 和 XGBoost 直接从数据中挑出不错的超参数，几乎不用写新代码就能获得大部分收益。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。