返回 AI 工具目录
automl-gs
开发框架人工精选最近核验 2026年7月23日
automl-gs 是 minimaxir 开源的 AutoML 工具,输入一个 CSV 和要预测的目标字段,就能自动生成训练好的模型,并产出对应的原生 Python 代码。它面向不想手写建模流程的用户,自动处理日期、类别等特征编码,支持在混乱数据集上跑通,并以 CSV 形式给出详细指标;生成的是无平台锁定的可读代码,可自行修改、用新数据重训。底层用 TensorFlow(tf.keras)与带直方图分箱的 XGBoost,命令行如 automl_gs titanic.csv Survived 即可运行,也可在 Jupyter 中调用,并支持在 Google Colab 上用免费 TPU 训练。MIT 许可、开源,生成代码不带许可证由用户自定,适合表格数据的快速建模基线。
定价开源部署本地运行国内可达国内可达许可MIT
解决什么问题
- 输入 CSV 与目标字段即自动生成训练好的模型
- 同时产出可读、无平台锁定的原生 Python 代码
- 自动处理日期、类别等特征编码
- 以 CSV 输出详细指标便于对比
- 可用新数据重训,无需改代码
适合
- 需要表格数据快速建模基线的分析人员
- 不想手写完整建模流水线的团队
- 希望拿到可读代码继续二次开发的场景
- 使用 TensorFlow 或 XGBoost 技术栈的用户
不适合
- 仅面向 CSV 表格数据,非结构化数据不适用
- 依赖较早的 tf.keras 与 XGBoost,需验证版本兼容
- 属基线自动建模,精细调优仍需人工
- 大规模训练需自备算力,工具不含托管
如何接入
- 命令行运行,如 automl_gs data.csv 目标列
- 可在 Jupyter Notebook 中作为库调用
- 支持在 Google Colab 用免费 TPU 训练
- 输出 Python 代码可自行改造与重训
已知限制
- 仅处理表格/CSV 数据,覆盖场景有限
- 生成为基线模型,复杂任务需人工优化
- 依赖的框架版本较早,需评估兼容性
- 训练算力与部署由用户自行负责
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
- MIT
- 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
- 代码仓库仅作事实索引
