用开源项目AutoXGB助力AutoML开发，实现几行示例构建应用API

n_filename、output、target、num_folds、seed、num_trails和time_limit基本上，我们将大多有数匹配的差值特设为默认差值。建设项目中所各匹配的完整特设情况，如下所示：

镜像

from autoxgb import AutoXGB

train_filename = "binary_classification.csv"

output = "output"

test_filename = None

task = None

idx = None

targets = ["income"]

features = None

categorical_features = None

use_gpu = False

num_folds = 5

seed = 42

num_trials = 100

time_limit = 360

fast = False

军事训练与最优化

现在，我们可以可用AutoXGB线性定义三维，并将前定义的匹配加进到三维中所。仍要，我们将调用axgb.train()线性开始军事训练操作过程。此时，将调试XGBoost和Optuna，并输入各种工业产品(以外三维、得出、结果、配有、匹配、编码方式等)。

镜像

axgb = AutoXGB(

train_filename=train_filename,

output=output,

test_filename=test_filename,

task=task,

idx=idx,

targets=targets,

features=features,

categorical_features=categorical_features,

use_gpu=use_gpu,

num_folds=num_folds,

seed=seed,

num_trials=num_trials,

time_limit=time_limit,

fast=fast,

axgb.train()

军事训练操作过程用时10-12分钟，我们可以想到下面的最佳军事训练结果，并可以通过增大小用时制来提高F1分有数。此外，我们还可以可用其他时是匹配来提高三维性能。

镜像

2022-02-09 18:11:27.163 | INFO | autoxgb.utils:predict_model:336 - Metrics: {'auc': 0.851585935958628, 'logloss': 0.3868651767621002, 'f1': 0.5351485750859325, 'accuracy': 0.8230396087432015, 'precision': 0.7282822005864846, 'recall': 0.42303153575005525}

可用CLI指示行进行时军事训练

为了可用bash控制台作法进行时三维军事训练，我们可以可用指示autoxgb train。此时，我们将需特设train_filename和output两个匹配即可。其中所，匹配train_filename主要用途确定军事训练的二定义副本名，而匹配output主要用途认为输入副本夹位置。指示如下：

镜像

autoxgb train

便是train_filename binary_classification.csv

便是output output

Web API

通过在控制台中所调试autoxgb 一站式的作法，我们可以在本地调试FastAPI链接。

AutoXGB一站式匹配 model_path：对准三维副本的逆时针。在本文试验中所，对准输入副本夹。 Port：链接主机调试的接口号，差值为8080。 host：调试的链接主机，IP地址是：0.0.0.0。 workers：工作线程有数或同时劝求的有数量。 debug：揭示误解和成功的副本。

在Deepnote皓链接上调试

为了在皓上调试链接，Deepnote可用ngrok创立了一个公共URL。我们需要启用该可选择并可用8080接口即可。当然，如果您在本地调试，则须要此步，从外部可用地址“”即可。

我们共享了调试链接的三维逆时针、主机ip和接口号。

镜像

!autoxgb serve 便是model_path /work/output 便是host 0.0.0.0 便是port 8080 便是debug

得出，我们的API调试比较稳定。您可以可用网址来观察适当的结果资料。

镜像

INFO: Will watch for changes in these directories: ['/work']

INFO: Uvicorn running on (Press CTRL+C to quit)

INFO: Started reloader process [153] using watchgod

INFO: Started server process [163]

INFO: Waiting for application startup.

INFO: Application startup complete.

INFO: 172.3.161.55:40628 - "GET /docs HTTP/1.1" 200 OK

INFO: 172.3.188.123:38788 - "GET /openapi.json HTTP/1.1" 200 OK

INFO: 172.3.167.43:48326 - "GET /docs HTTP/1.1" 200 OK

INFO: 172.3.161.55:47018 - "GET /openapi.json HTTP/1.1" 200 OK

得出

我们可以加进随机读写来得出某人的支出是否时是过5万美元。在本例中所，我们可用FastAPI/docs可选择采访GUI。

读写资料

我们可用FastAPI GUI来调试三维得出，这可以通过在链接地址末尾加进/docs实现，例如“172.3.167.43:39118/docs”。本文建设项目中所读写的其他试验资料如下：

workclass："Private" education："HS-grad" marital.status："Widowed" occupation："Transport-moving" relationship："Unmarried" race："White" sex："Male" native.country："United-States" age：20 fnlwgt：313986 education.num：9 capital.gain：0 capital.loss：0 hours.per.week：40

试验结果

试验的结果是：多于5万美元的置信度为97.6%，而大于5万美元的置信度为2.3%。

可用Request库进行时试验

你还可以倚靠Python中所的requests库来试验API。这一步很比较简单，你需以辞书的表达方式推送匹配，然后就可以通过JSON格式给予输入结果。

镜像

import requests

params = {

"workclass": "Private",

"education": "HS-grad",

"marital.status": "Widowed",

"occupation": "Transport-moving",

"relationship": "Unmarried",

"race": "White",

"sex": "Male",

"native.country": "United-States",

"age": 20,

"fnlwgt": 313986,

"education.num": 9,

"capital.gain": 0,

"capital.loss": 0,

"hours.per.week": 40,

}

article = requests.post(

f"",

json=params,

data_dict = article.json()

print(data_dict)

## {'id': 0, '50K': 0.023785298690199852}

有关建设项目开发人员

如果对本文建设项目的完整代码及有关示例热衷，劝采访下面几个链接：

Deepnote GitHub DAGsHub 结论

我本人曾倚靠AutoXGB并可用AutoML在Kaggle竞赛中所给予过好成绩，并为一些自然语言处理建设项目开发过一个为基础三维。在整个自然语言处理操作过程中所，有时结果可以快速而正确的给予，但如果想要创立最先进的解决方案，则需要手动尝试各种自然语言处理操作过程。

本讲义带我们深造了AutoXGB的各种功能，现在我们可以可用AutoXGB实例资料，军事训练XGboost三维，可用Optuna最优化三维，以及FastAPI调试Web链接。简而言之，AutoXGB并能为日常括号资料难题共享端到端的解决方案。

编者讲解

朱先忠，51CTO社区编辑，51CTO专家博客、讲师，潍坊一所高校计算机的学生，自由Smalltalk界老兵一枚。中期专心各种微软公司关键技术(编著成ASP.NET AJX、Cocos 2d-X相关三本关键技术图书)，近十多年投身于开源当今世界(熟悉盛行全栈Web开发关键技术)，认识到基于OneNet/AliOS+Arduino/ESP32/树莓拥护等互联开发关键技术与Scala+Hadoop+Spark+Flink等大资料开发关键技术。

原文标题：No Brainer AutoML with AutoXGB，作者：Abid Ali Awan

。

上海妇科医院哪好
肺癌免疫治疗方法
少精症如何预防
郑州看白癜风哪家医院好
昆明看白癜风到哪个医院
瑞特血糖仪和罗氏血糖仪哪个好
家用选哪种血糖仪比较好
什么牌子的血糖仪好
自家用哪种测血糖仪好些
胃反酸可以吃金奥康奥美拉唑吗