返回 AI 工具目录
TPOT
开发框架人工精选最近核验 2026年7月23日
TPOT(Tree-based Pipeline Optimization Tool)是一个用遗传编程自动优化机器学习流水线的 Python AutoML 工具。它像自动化的数据科学助手,通过进化算法搜索特征处理、模型与超参的组合,产出可用的 scikit-learn 流水线。近期完成大改:原 TPOT2 已并入主包,新版引入基于图的流水线、遗传特征选择、多目标优化与模块化进化框架(2025 年 7 月 v1.1.0)。LGPL-3.0 许可,可 pip 或 conda 安装,集成 scikit-learn、XGBoost、LightGBM、Dask 等。
定价开源部署本地运行国内可达国内可达许可LGPL-3.0
解决什么问题
- 用遗传编程自动搜索并优化 ML 流水线组合
- 自动尝试特征处理、模型与超参的搭配
- 产出标准 scikit-learn 流水线便于复用
- 新版支持基于图的流水线与多目标优化
- 可用 Dask 并行化搜索过程
适合
- 想自动化建模、探索流水线组合的数据团队
- 已用 scikit-learn 生态、需产出可导出流水线的场景
- 有一定算力、可承受较长搜索时间的项目
- 需要遗传特征选择与多目标优化的进阶用户
不适合
- 遗传搜索计算开销大,训练时间可能很长
- 缺失值与类别特征需先预处理或开启 preprocessing
- 对深度学习/大规模非结构化数据支持有限
- Arm 架构上部分 scikit-learn 扩展可能有兼容问题
如何接入
- 集成 scikit-learn、XGBoost、LightGBM
- 用 pandas、numpy、scipy 处理数据
- 可经 Dask、joblib 并行搜索
- pip 或 conda 安装
已知限制
- 进化搜索耗时且算力占用高
- 需自行预处理缺失值与类别特征
- Arm 平台上部分扩展存在兼容性问题
- LGPL-3.0 许可,集成到闭源产品需注意合规
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
- LGPL-3.0
- 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