自动化机器学习（AutoML）在实时应用和模拟人类任务中扮演着至关重要的角色。AutoML通过自动化机器学习项目生命周期的主要组成部分，减少了人为干预，自动为给定数据集找到一个合理的机器学习模型管道。通常，一个优秀的机器学习模型需要良好的机器学习知识、编程技能、数学（线性代数）专长和领域知识。AutoML使得以下机器学习管道组成部分可以针对预测建模任务进行优化：数据预处理、特征工程/提取和特征选择、通过选择适当的模型族/算法进行模型训练、超参数调整、模型评估。
AutoML的优势在于它可以帮助快速找到一个好的机器学习模型管道，减少用户干预。它减少了需要编写的代码量，使建模变得简单快捷。AutoML还提供了一个排行榜，用于比较给定数据集的各种模型族/算法。这对于机器学习初学者、从业者和非专家特别有益，使他们能够更多地关注问题而不是模型。有许多开源的AutoML库/框架，如Auto-Sklearn、TPOT、PyCaret、H2O AutoML、Hyperopt、Auto-Keras等。此外，许多组织如Google、Amazon、Microsoft、IBM等现在提供AutoML作为服务，只需上传数据集，就可以在几次点击中下载一个好的机器学习模型管道。
本文将探讨一个AutoML库EvalML，并学习如何将其用于二元分类任务。EvalML是一个开源的Python库，用于自动构建、优化和评估给定数据集的机器学习管道。像其他AutoML库一样，它也自动执行数据预处理、特征工程、选择、模型构建、超参数调整、交叉验证等。
要安装EvalML，可以在终端使用以下命令：pip install evalml。EvalML支持多种监督学习任务/问题，如回归、分类（包括二元和多类）、时间序列分析（包括时间序列回归和分类）。可以使用以下命令获取可用问题类型的完整列表：import evalml; evalml.problem_types.problem_types.ProblemTypes.all_problem_types。机器学习模型通常使用一些评估矩阵/度量来评估。评估矩阵的选择取决于手头的问题类型、数据集、业务约束和要求。EvalML还包括一个目标函数库（评估度量，如R平方、精确度、召回率、F1分数等）。在EvalML实现中，默认的目标函数是分类问题的对数损失和回归问题的R平方，但它可以很容易地定制。使用以下命令获取EvalML中可用目标函数的完整列表：evalml.objectives.get_all_objective_names()。
以Kaggle上的“收入分类”数据集为例，演示EvalML的使用。这里的预测任务是基于人口普查数据判断收入是否超过每年5万美元。数据集包含大约32.5K人的15个个体参数（如年龄、工作类别、职业、婚姻状况、关系、资本收益、资本损失、母国等）。根据人口普查数据，大多数人（约76%）每年收入少于5万美元，而一小部分人（约24%）收入超过5万美元。
为了访问完整的Python代码，请访问。首先，将数据分为训练和测试集，用于训练和测试模型管道。EvalML提供了一个实用程序方法split_data()来执行训练-测试分割。由于收入分类是二元分类任务，因此将problem_type参数设置为“binary”，并将test_size参数值设置为0.2，以实现80:20的分割。
EvalML使用不同的数据结构，称为DataTable，以根据其数据类型处理每个特征，用于预处理和特征提取。EvalML还使用开源库Woodwork来检测和正确处理每个特征。EvalML还允许手动自定义文本列的逻辑类型。
EvalML有一个内置的接口/工具AutoMLSearch，用于自动从一系列管道中选择最佳管道，以确定收入是否超过5万美元。而不是显式执行各种操作，如数据预处理（缺失值插补、标准化、独热编码等）、模型训练、评估、超参数调整等，AutoMLSearch自动化这些步骤，并返回最佳模型管道。AutoMLSearch还提供许多定制选项（如problem_type、objective、allowed_pipelines、allowed_model_families、集成等），以改善预测结果。