auto-sklearn er en automatiseret maskinlæringsværktøjskasse og en drop-in erstatning for en scikit-learning-estimator.auto-sklearn frigør en maskinlæringsbruger fra valg af algoritme og hyperparameterindstilling.Det udnytter de nylige fordele ved Bayesian-optimering, metallæring og konstruktion af ensembler.Lær mere om teknologien bag auto-sklearn ved at læse vores papir, der blev offentliggjort på NIPS 2015.hat)) Dette kører i en time og skulle resultere i en nøjagtighed over 0,98.Licens auto-sklearn er licenseret på samme måde som scikit-learning, nemlig BSD-licensen med 3 klausuler.Citering af auto-sklearn Hvis du bruger auto-sklearn i en videnskabelig publikation, vil vi værdsætte en henvisning til følgende artikel: Effektiv og robust automatiseret maskinlæring, Feurer et al., Advances in Neural Information Processing Systems 28 (NIPS 2015).Bibtex-post: @incollection {NIPS2015_5872, title = {Effektiv og robust automatiseret maskinindlæring}, forfatter = {Feurer, Matthias og Klein, Aaron og Eggensperger, Katharina og Springenberg, Jost og Blum, Manuel og Hutter, Frank}, bogtitel = {Fremskridt inden for neurale informationsbehandlingssystemer 28}, editor = {C.Cortes og ND Lawrence og DD Lee og M. Sugiyama og R. Garnett}, sider = {2962--2970}, år = {2015}, udgiver = {Curran Associates, Inc.}, url = {}} Bidragende Vi værdsætteralt bidrag til auto-sklearn, fra bugrapporter og dokumentation til nye funktioner.Hvis du vil bidrage til koden, kan du vælge et problem fra den sporing, der er markeret med behov for bidragyder.