编程智能体与代码 · 工具介绍
auto-sklearn
auto-sklearn 是提供 scikit-learn 估计器替代接口的自动机器学习工具包。可通过分类器对象在训练数据上拟合，再对测试特征生成预测。
auto-sklearn 能做什么
auto-sklearn 是提供 scikit-learn 估计器替代接口的自动机器学习工具包。可通过分类器对象在训练数据上拟合，再对测试特征生成预测。
- 模型训练与部署
如何使用 auto-sklearn
通过自动分类器拟合并预测测试数据
准备输入
- 训练特征 X_train、对应标签 y_train，以及测试特征 X_test。
操作步骤
- 在已安装的环境中导入 autosklearn.classification 并创建 AutoSklearnClassifier。
- 调用 fit 传入训练特征与标签，再调用 predict 处理测试特征。
预期交付物
- 分类器返回的测试数据预测结果。
人工检查训练与测试样本是否混用、输入特征是否一致，并用真实测试标签评估结果；示例中的 fit 和 predict 调用本身不证明模型适合生产。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从编程智能体与代码角度评估auto-sklearn
把编程智能体与代码需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
能否读懂上下文
确认工具能够读取所需目录，且不会引入不必要的资料。
改动是否可审查
优先能展示差异、保留原文件和逐步验证的工作方式。
测试能否说明问题
测试应覆盖用户可见行为，不只证明代码能运行。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
