Le mljar-supervisé est un package Python d’apprentissage automatique automatisé qui fonctionne avec des données tabulaires. Il est conçu pour faire gagner du temps à un data scientist 😎. Il résume la manière courante de prétraiter les données, de construire les modèles d’apprentissage automatique et d’effectuer le réglage des hyper-paramètres pour trouver le meilleur modèle 🏆. Il ne s’agit pas d’une boîte noire car vous pouvez voir exactement comment le pipeline ML est construit (avec un rapport Markdown détaillé pour chaque modèle ML).
Les Golden Features sont de nouvelles fonctionnalités construites à partir de données originales qui ont un grand pouvoir prédictif. Veuillez consulter la section Golden Features dans la documentation pour plus de détails sur la façon dont elles sont construites.
Les Golden Features ne sont construites qu’une seule fois lors de l’ajustement AutoML. Ils sont enregistrés dans results_path dans le fichier golden_features.json.
Après la création des Golden Features, elles sont ajoutées aux données d’origine et les algorithmes suivants sont entraînés :
Xgboost
CatBoost
LightGBM.
1275 Av. des Canadiens-de-Montréal,
Montréal, QC H3B 0G4
Canada
312 Arizona Ave,
Santa Monica, CA 90401,
USA
Gate Avenue Zone D at DIFC – Sheikh Zayed Road
Dubai, United Arab Emirates
1 Al Corniche St, Burj Doha, level 21,
Doha, Qatar
© Copyright 2022. Tous droits réservés par Rocket Science Development
