详细内容或原文请订阅后点击阅览
TPOT：使用 Python 中的遗传算法实现机器学习管道自动化
您只需几行代码，即可使用 TPOT 在 Python 中训练、评估和导出完整的 ML 管道。
来源:KDnuggets简介
手动构建机器学习模型涉及一长串决策。其中涉及许多步骤，例如清理数据、选择正确的算法以及调整超参数以获得良好的结果。这个试错过程通常需要几个小时甚至几天。然而，有一种方法可以使用基于树的管道优化工具（TPOT）来解决这个问题。
TPOT 是一个 Python 库，它使用遗传算法自动搜索最佳的机器学习管道。它将管道视为自然界中的种群：它尝试多种组合，评估它们的性能，并在多代中“进化”出最好的组合。这种自动化使您能够专注于解决问题，而 TPOT 则负责处理模型选择和优化的技术细节。
TPOT 的工作原理
TPOT 利用遗传编程 (GP)。它是一种受生物学自然选择启发的进化算法。 GP 不是进化有机体，而是进化计算机程序或工作流程来解决问题。在 TPOT 的背景下，正在发展的“程序”是机器学习管道。
TPOT 的工作原理分为四个主要步骤：
该过程如下图所示：
接下来，我们将了解如何在 Python 中设置和使用 TPOT。
1.安装TPOT
要安装 TPOT，请运行以下命令：
2.导入库
导入必要的库：
3. 加载和分割数据
我们将在此示例中使用流行的 Iris 数据集：
4. 初始化TPOT
初始化 TPOT 如下：
输出：