返回 AI 工具目录
auto-sklearn
开发框架人工精选最近核验 2026年7月23日
auto-sklearn 是 automl 团队开发的 AutoML 工具包,定位为 scikit-learn 估计器的即插即用替代。它在给定数据集上自动完成模型选择与超参数调优:结合贝叶斯优化、元学习(用历史任务经验做暖启动)与 SMAC 算法配置,并可对多个候选模型做集成。使用方式与 scikit-learn 一致,通过 fit/predict 接口即可,适合表格数据的分类与回归。需要注意的是,仓库最新发布为 2023 年 2 月的 0.15.0 版本,近年更新趋缓,选型时应评估其维护活跃度与对新版依赖的兼容性。它是自动化建模的实验或基线工具,而非完整的生产 MLOps 平台。
定价开源部署本地运行国内可达国内可达许可BSD-3-Clause
解决什么问题
- 人工做模型选择与调参耗时且依赖经验
- 表格数据建模缺少自动化基线方案
- 想用元学习复用历史任务经验做暖启动
- 需要在多个模型间自动做集成
适合
- 表格数据分类或回归的快速自动建模
- 已用 scikit-learn、想要即插即用的 AutoML
- 建立模型基线以对比人工方案
- 研究或原型阶段的自动超参搜索
不适合
- 仓库近年更新趋缓,需评估维护与依赖兼容性
- 面向表格数据,非图像或文本深度学习首选
- 属建模库,不含部署、监控等生产能力
- 长时间搜索需要相应的算力与时间预算
如何接入
- 以 fit/predict 接口替代 scikit-learn 估计器
- 输出可接入既有 sklearn 管线
- 依赖 SMAC 做算法配置与搜索
- pip 安装,配合 pandas、numpy 数据
已知限制
- 最新版本停留在 2023 年 0.15.0,活跃度需核实
- 自动搜索耗时,受算力与时间限制
- 对运行环境与依赖版本较敏感
- 不提供模型部署与线上监控能力
接入与使用事实
- 部署方式
- 本地运行
- 实现语言
- Python
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- BSD-3-Clause
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
暂无可公开的来源链接。