综合工具选择 · 工具介绍
auto-sklearn
auto-sklearn 是提供 scikit-learn 估计器替代接口的自动机器学习工具包。可通过分类器对象在训练数据上拟合，再对测试特征生成预测。
auto-sklearn 能做什么
auto-sklearn 是提供 scikit-learn 估计器替代接口的自动机器学习工具包。可通过分类器对象在训练数据上拟合，再对测试特征生成预测。
- 模型训练与部署
如何使用 auto-sklearn
通过自动分类器拟合并预测测试数据
准备输入
- 训练特征 X_train、对应标签 y_train，以及测试特征 X_test。
操作步骤
- 在已安装的环境中导入 autosklearn.classification 并创建 AutoSklearnClassifier。
- 调用 fit 传入训练特征与标签，再调用 predict 处理测试特征。
预期交付物
- 分类器返回的测试数据预测结果。
人工检查训练与测试样本是否混用、输入特征是否一致，并用真实测试标签评估结果；示例中的 fit 和 predict 调用本身不证明模型适合生产。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从综合工具选择角度评估auto-sklearn
把综合工具选择需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
先看交付
你需要的是可编辑文档、图片、代码，还是有出处的资料表？
再看输入
资料能否上传、格式能否读取、敏感内容能否交给所选服务？
最后试用
用小样检查实际结果，再确认费用、导出和后续修改条件。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
