29.03.2024
Подписывайтесь на Telegram-канал по ссылке

Lale — библиотека Python для полуавтоматического машинного обучения

Lale Python library

Всякий раз, когда специалист по анализу данных думает о разработке конвейера, он пытается внедрить автоматизированное машинное обучение, чтобы упростить задачу. Однако, из-за непоследовательного синтаксиса и ограниченной поддержки расширенных функций, таких как поиск топологии или операторов высшего порядка, разработка становится утомительной. Для решения этой проблемы IBM Research опубликовала исследование о LALEбиблиотеке Python, которая упрощает автоматизацию машинного обучения.

Исследование направлено на преодоление недостатков предыдущих недостатков библиотек Auto-ML:

  • Существует несовместимость в синтаксисе спецификации конвейера в ручном и автоматическом диапазоне.
  • Пользователь должен изучить другой синтаксис, чтобы переписать код при переключении между различными инструментами Auto-ML.
  • Предыдущие инструменты не оптимизируют топологию конвейера.
  • Неверная конфигурация при объединении разных гиперпараметров.

Характеристики LALE:

  • LALE помогает в выборе алгоритмов и настройке гиперпараметров конвейеров, совместимых с scikit-learn.
  • LALE обеспечивает согласованный интерфейс с существующими инструментами, такими как Hyperopt, SMAC и GridSearchCV для автоматизации.
  • LALE использует схему JSON для проверки правильности.
  • LALE имеет расширенную библиотеку оценочных функций и преобразователей для совместимости.
  • LALE использует подклассы Python для реализации состояний жизненного цикла.

Пользователи могут установить LALE, как любой другой пакет Python, и отредактировать его с помощью стандартных инструментов Python, таких как Jupyter.