Software
Abbiamo compilato una lista di 7 alternative gratuite e a pagamento a python auto-sklearn. I principali concorrenti includono H2O.ai, R Caret. Inoltre, gli utenti fanno anche confronti tra python auto-sklearn e R mlr, ML.NET, R MLstudio. Puoi anche dare un'occhiata ad altre opzioni simili qui: About.
Abbiamo compilato una lista di 7 alternative gratuite e a pagamento a python auto-sklearn. I principali concorrenti includono H2O.ai, R Caret. Inoltre, gli utenti fanno anche confronti tra python auto-sklearn e R mlr, ML.NET, R MLstudio. Puoi anche dare un'occhiata ad altre opzioni simili qui: About.
H2O è un apprendimento automatico e predittivo open source, in memoria, distribuito, veloce e scalabile ...
Il pacchetto caret (abbreviazione di _C_lassification _A_nd _RE_gression _T_raining) è un insieme di funzioni ...
Machine Learning in R: mlr, un framework per esperimenti di machine learning in R.
ML Studio è interattivo per EDA, modellistica statistica e applicazioni di apprendimento automatico.
"Prevedere, gestire in modo intelligente, interpretare comportamenti, automatizzare, Previsione.
Diventa un'impresa guidata dall'intelligenza artificiale con l'apprendimento automatico automatizzato
auto-sklearn è un toolkit di apprendimento automatico automatizzato.
auto-sklearn è un toolkit di apprendimento automatico automatizzato.
Linux
Mac
Windows
auto-sklearn è un toolkit di machine learning automatizzato e un sostituto drop-in per uno stimatore scikit-learn. auto-sklearn libera un utente di machine learning dalla selezione dell'algoritmo e dalla messa a punto dell'iperparametro. Sfrutta i recenti vantaggi dell'ottimizzazione bayesiana, del meta-apprendimento e della costruzione di ensemble. Scopri di più sulla tecnologia alla base di auto-sklearn leggendo il nostro documento pubblicato al NIPS 2015.
cappello))
Questo durerà per un'ora e dovrebbe comportare una precisione superiore a 0,98.
Licenza
auto-sklearn è concesso in licenza allo stesso modo di scikit-learn, ovvero la licenza BSD a 3 clausole.
Citando auto-sklearn
Se utilizzi auto-sklearn in una pubblicazione scientifica, apprezzeremmo un riferimento al seguente documento:
Apprendimento automatico automatizzato efficiente e robusto, Feurer et al., Advances in Neural Information Processing Systems 28 (NIPS 2015).
Voce Bibtex:
@incollection {NIPS2015_5872,
title = {Apprendimento automatico automatizzato efficiente e robusto},
autore = {Feurer, Matthias e Klein, Aaron e Eggensperger, Katharina e
Springenberg, Jost e Blum, Manuel e Hutter, Frank},
booktitle = {Progressi nei sistemi di elaborazione delle informazioni neurali 28},
editor = {C. Cortes e ND Lawrence e DD Lee e M. Sugiyama e R. Garnett},
pagine = {2962--2970},
anno = {2015},
editore = {Curran Associates, Inc.},
url = { http://papers.nips.cc/paper/5872-efficient-and-robust-automated-machine-learning.pdf }
}
contribuire
Apprezziamo tutto il contributo all'auto-apprendimento, dalle segnalazioni di errori e la documentazione alle nuove funzionalità. Se si desidera contribuire al codice, è possibile selezionare un problema dal tracker dei problemi contrassegnato con Contributo necessario.
Machine Learning
Condividi la tua opinione sul software, lascia una recensione e contribuisci a migliorarlo ulteriormente!
Suggerisci modifiche
Il tuo feedback
Your vote has been counted.
Do you have experience using this software?
