مكتبات بايثون للتعلم الآلي التلقائي AutoML

يعد التعلم الآلي التلقائي (المؤتمت)، المعروف أيضًا باسم AutoML ، مجالًا ناشئًا يتم فيه أتمتة عملية بناء نماذج التعلم الآلي لنمذجة البيانات. يمكن لـ AutoML أن يجعل النمذجة أسهل ويمكن للجميع الوصول إليها. في هذه المقالة، سأوجهك من خلال مكتبات بايثون AutoML التي يجب أن تبدأ في التدرب عليها للبقاء في صدارة المنافسة.

مكتبات Python AutoML التي يجب أن تعرفها

فيما يلي مكتبات بايثون AutoML الأربع التي يجب على كل ممارس للتعلم الآلي معرفتها:

auto-sklearn

إن auto-sklearn عبارة عن مجموعة أدوات آلية للتعلم الآلي تتكامل بسلاسة مع واجهة sklearn القياسية التي يعرفها الكثير في المجتمع. باستخدام الأساليب الحديثة مثل تحسين Bayesian، تم تصميم المكتبة للتنقل في مساحة النماذج الممكنة وتعلم كيفية استنتاج ما إذا كان تكوين معين سيؤدي بشكل جيد في مهمة معينة.

مثلما نبدأ التعلم الآلي من خلال العمل على الخوارزميات التي يوفرها Scikit-Learn، فإن بدء التعلم التلقائي لـ AutoML من جميع مكتبات بايثون  AutoML ليس خيارًا سيئًا. بالإضافة إلى التعرف على إعداد البيانات واختيار النماذج لمجموعة البيانات، فإنه يتعلم من النماذج التي تعمل بشكل جيد في مجموعات البيانات المماثلة. يتم تجميع أفضل النماذج أداءً في مجموعة.

TPOT

تعد TPOT أيضًا واحدة من مكتبات AutoML بايثون التي تعمل على أتمتة خط أنابيب النمذجة، مع التركيز بشكل أكبر على إعداد البيانات بالإضافة إلى خوارزميات النمذجة والمعلمات الفائقة للنموذج. إنها تقوم بأتمتة الاختيار والمعالجة المسبقة وبناء الدوال بفضل هيكل شجرة قابل للتطوير.

يمكن أن يستغرق محسنوا خط أنابيب TPOT بضع ساعات لتحقيق نتائج رائعة، كما هو الحال مع العديد من خوارزميات AutoML ما لم تكن مجموعة البيانات صغيرة. يمكنك بسهولة تشغيل هذه البرامج الطويلة في Kaggle commits أو Google Colab.

HyperOpt

HyperOpt هي أيضًا واحدة من أفضل مكتبات بايثون AutoML لتحسين Bayesian ، التي طورها James Bergstra. تم تصميمه لمهمة تحسين النماذج بمئات من المعلمات، ويستخدم HyperOpt بشكل صريح لتحسين خطوط أنابيب التعلم الآلي، مع خيارات إضافية لتوسيع نطاق العملية عبر العديد من النوى والآلات.

ومع ذلك، يصعب استخدام HyperOpt بشكل مباشر، لأنه تقني للغاية ويتطلب إجراءات ومعلمات تحسين محددة بعناية. بدلاً من ذلك، يوصى باستخدام HyperOpt-sklearn ، وهو غلاف حول HyperOpt يدمج مكتبة sklearn.

AutoKeras

تعد الشبكات العصبية والتعلم العميق أكثر قوة بشكل ملحوظ، وبالتالي فهي أكثر صعوبة في التشغيل الآلي من مكتبات التعلم الآلي القياسية.

باستخدام AutoKeras ، يمكنك إنشاء نموذج يحتوي على عناصر معقدة مثل عمليات التضمينات المكانية التي قد يصعب الوصول إليها لمن لا يزالون يتعلمون التعلم العميق.

عندما تقوم AutoKeras بإنشاء نماذج لك ، فإن الكثير من المعالجة المسبقة preprocessing ، مثل توجيه البيانات vectorizing النصية أو تنظيفها، يتم إجراؤها وتحسينها من أجلك. يستغرق بدء البحث وتدريبه سطرين. يتميز AutoKeras بواجهة تشبه Keras ، لذلك ليس من الصعب تذكرها واستخدامها على الإطلاق.

كانت هذه هي مكتبات بايثون  AutoML الأربع التي يجب أن تتعلمها لتظل في صدارة المنافسة. أتمنى أن تكون قد أحببت هذه المقالة حول أهم مكتبات بايثون  AutoML.