MisterBobR03/automl-tabular-pipeline

# AutoML 表格数据 Pipeline 一个与数据集无关、逐模块构建的**表格数据 AutoML pipeline**：只需将其指向一个 dataframe 和一个目标列，它就能自动检测任务类型，审计数据质量，执行自动化 EDA 和特征工程，自动训练模型并进行解释。它被构建为一个可复用的模板，而不是一次性的 notebook。 ## 模块 - **模块 0 — 用户参数。** 任务类型（分类与回归）根据目标的基数自动检测；分类特征、时间序列标志和数据集只需声明一次。 - **模块 1 — 数据摄取 + 自适应数据质量。** 训练/测试数据被封装为 `deepchecks` 数据集，并运行一套验证套件（数据泄露、漂移、冲突标签等），该套件会根据检测到的任务和时间序列数据进行自适应调整。 - **模块 2 — 自动化 EDA。** 自动分析分布、相关性和目标关系。 - **模块 3 — 预处理与特征工程。** 数据清洗以及自动化特征合成（`featuretools`），并保存预处理摘要。 - **建模与解释。** 使用 `LightAutoML` 预设进行自动化模型搜索，并通过 `SHAP` 进行模型解释。 该 notebook 在一个公开数据集（German Credit）上演示了该 pipeline，因此无需任何私有数据即可端到端运行。 ## 结构 ``` . └─ automl_pipeline.ipynb # parameters -> data quality -> EDA -> feature engineering -> AutoML -> SHAP ``` ## 安装说明 ``` pip install -r requirements.txt ``` ## 注意 个人项目 —— 一个用于表格问题的可复用 AutoML 模板。

标签：Apex, AutoML, 数据质量检测, 机器学习, 模型可解释性, 特征工程, 表格数据, 逆向工具