sdsj2018 _AutoML_config

Конфигурование пайплайна AutoML

Произвольный граф вычислений
с возможностью отдельной настройки параметров каждого нода
и общих настроек пайплайна
Все ноды имеют универсальный интерфейс.
Новые нужно зарегистрировать в lib.nodes._node_map

Обернут вызов моделей

vw
h2o
lightgbm
arima
Ridge / LogisticRegression
RandomForestRegressor / RandomForestClassifier
RidgeCV / LogisticRegressionCV
BayesianRidge / GaussianNB

Параллелизм

Ветвление графа пайплайна (кастомно)
Паралеллизм потоков внутри нода (см. https://github.com/nnnet/Parallelize-pandas.DataFrame-Pool)

Stack

Стак данных и результатов преобразования моделей внутри пайплайна

Feature_selection

lib.features.select_features
lgb & boruta

Примеры конфигурации

В файле main.py
закомментированы ниже
if __name__ == '__main__': main()

В последней строке примеры вызова из командной строки для контеста SDSJ2018

Примеры начала pipeline
(посм. граф можно AutoML(args.model_dir, params=params_autoML).pipeline_draw(view=True))

Примеры окончания pipeline

Пример конфигруации pipeline