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

  1. 代码仓库仅作事实索引

访问官网