pipecaster:用于多通道机器学习和半自动ML的Python库 源码

Pipecaster概述 Pipecaster是一个Python库,用于使用scikit-learn组件构建机器学习管道。 它具有以下特点: 多通道管道架构 整体学习(投票,汇总,堆叠概括) 用于管理复杂管道体系结构的工具: 类Keras层 管道建​​设过程中的视觉反馈 管道内工作流程自动化(或“半自动ML”): 根据聚合特征评分或探针ML模型的性能筛选输入源 机器学习算法的筛选 模型超参数的筛选 使用ray进行快速分布式计算 教程: : 什么是多通道管道? 多通道流水线是ML流水线,它采用多个输入向量并在单独的通道中对其进行处理,然后再通过级联,投票或模型堆叠将其组合以生成单个预测。 为什么要使用多通道架构? 当有来自不同数据源或特征提取方法的多个输入矩阵时,有时可以通过在每个输入上训练一个单独的ML模型然后进行整体预测来获得更好的模型性能。 您想自动选择输入源,特征提取