AutoGluon 由 AWS AI 开发，可自动化执行机器学习任务，助您轻松在各类应用中实现卓越的预测性能。只需几行代码，您便能针对图像、文本、时间序列和表格数据，训练并部署高精度的机器学习与深度学习模型。

💾 安装方法

AutoGluon 支持 Python 3.10 至 3.13，并可在 Linux、MacOS 和 Windows 系统上运行。

您可以通过以下方式安装 AutoGluon：

pip install autogluon

请访问我们的 安装指南 以获取详细说明，包括 GPU 支持、Conda 安装以及可选依赖项。

:zap: 快速入门

只需三行代码，即可构建精准的端到端机器学习模型！

from autogluon.tabular import TabularPredictor
predictor = TabularPredictor(label="class").fit("train.csv", presets="best")
predictions = predictor.predict("test.csv")

AutoGluon 任务	快速入门	API
TabularPredictor
TimeSeriesPredictor
MultiModalPredictor

:mag: 资源

实践教程/演讲

以下是近期关于 AutoGluon 的精选教程与演讲列表。完整列表请见 这里。

标题	形式	地点	日期
:tv: 结构化基础模型与 AutoML 的融合	Expo 演讲	ICML 2025	2025/07/13
:tv: AutoGluon 1.2：借助基础模型与 LLM 代理推动 AutoML 进步	Expo 工作坊	NeurIPS 2024	2024/12/10
:tv: AutoGluon：迈向无代码自动化机器学习	教程	AutoML 2024	2024/09/09
:tv: AutoGluon 1.0：用零行代码打破 AutoML 的天花板	教程	AutoML 2023	2023/09/12
:sound: AutoGluon：故事	播客	AutoML 播客	2023/09/05
:tv: AutoGluon：面向表格数据、多模态数据及时间序列数据的 AutoML	教程	PyData 柏林	2023/06/20
:tv: 用几行代码解决复杂的机器学习问题：AutoGluon	教程	PyData 西雅图	2023/06/20
:tv: AutoML 革命	教程	2022 秋季 AutoML 学校	2022/10/18

科学论文

• AutoGluon-表格数据：面向结构化数据的稳健且精准的 AutoML (Arxiv, 2020) (BibTeX)
• 通过增强蒸馏实现表格数据的快速、精准且简单模型 (NeurIPS, 2020) (BibTeX)
• 以文本字段为基准，对表格数据进行多模态 AutoML 的性能评估 (NeurIPS, 2021) (BibTeX)
• XTab：用于表格 Transformer 的跨表预训练 (ICML, 2023)
• AutoGluon-时间序列：用于概率性时间序列预测的 AutoML (AutoML Conf, 2023) (BibTeX)
• TabRepo：大型表格模型评估库及其 AutoML 应用 (AutoML Conf, 2024)
• AutoGluon-多模态（AutoMM）：利用基础模型为多模态 AutoML 提供强大支持 (AutoML Conf, 2024) (BibTeX)
• Chronos：学习时间序列的语言 (TMLR, 2024)
• 多层堆叠集成方法用于时间序列预测 (AutoML Conf, 2025) (BibTeX)
• Chronos-2：从单变量预测到通用预测 (Arxiv, 2025) (BibTeX)
• TabArena：面向表格数据的机器学习实时基准 (NeurIPS Spotlight, 2025)
• Mitra：用于提升表格基础模型的混合合成先验 (NeurIPS, 2025)
• MLZero：一套用于端到端机器学习自动化的多智能体系统 (NeurIPS, 2025)
• fev-bench：真实时间序列预测的基准测试 (Arxiv, 2025)

文章

• AutoGluon-时间序列：一库搞定所有时间序列预测模型 (Towards Data Science, 2024年1月)
• AutoGluon 用于表格数据：只需三行代码，便能在 Kaggle 竞赛中跻身前1% (AWS 开源博客, 2020年3月)
• AutoGluon 概述与应用案例 (Towards Data Science, 2019年12月)

在云端训练/部署 AutoGluon

• AutoGluon 云平台（推荐）
• AutoGluon 在 Amazon SageMaker 上
• AutoGluon 深度学习容器（经安全认证，并由 AutoGluon 开发者维护）
• AutoGluon 官方 Docker 容器

已过时/不支持的云服务选项

• AutoGluon 在 SageMaker 自动驾驶平台上（使用的是旧版 AutoGluon 0.4 版本）
• AutoGluon-表格数据在 AWS 市场中（已过时，且未由我们维护）

:pencil: 引用 AutoGluon

如果您在科学出版物中使用了 AutoGluon，请参考我们的 引用指南。

:wave: 如何参与其中？

我们积极欢迎各位为 AutoGluon 项目贡献代码。如果您对参与 AutoGluon 的开发感兴趣，请阅读 贡献指南，以便顺利起步。

:古典建筑: 许可证

本库采用 Apache 2.0 许可证授权。

AutoGluon 快速上手指南

AutoGluon 是由 AWS AI 开发的自动化机器学习（AutoML）库，只需几行代码即可在表格、文本、图像和时间序列数据上训练并部署高精度的机器学习与深度学习模型。

环境准备

• 操作系统：支持 Linux、macOS 和 Windows。
• Python 版本：3.10、3.11、3.12 或 3.13。
• 硬件建议：基础功能仅需 CPU；若需加速深度学习模型训练或处理大规模数据，建议使用配备 NVIDIA GPU 的环境。

安装步骤

1. 基础安装

使用 pip 进行标准安装：

pip install autogluon

2. 国内加速安装（推荐）

对于中国开发者，建议使用清华源或阿里源以加快下载速度：

pip install autogluon -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 高级安装选项

• GPU 支持：若需启用 GPU 加速，请参考官方安装指南配置 CUDA 环境。
• Conda 安装：也可通过 Conda Forge 安装：

  conda install -c conda-forge autogluon
  

详细安装说明（含可选依赖）请访问：AutoGluon 安装指南

基本使用

AutoGluon 的核心优势在于极简的 API。以下示例展示如何仅用 3 行代码 完成表格数据的模型训练与预测。

表格数据预测 (TabularPredictor)

假设你有一个名为 train.csv 的训练集（包含特征列和目标列 class）和一个 test.csv 测试集。

from autogluon.tabular import TabularPredictor

# 初始化预测器并自动训练模型，presets="best" 表示追求最高精度
predictor = TabularPredictor(label="class").fit("train.csv", presets="best")

# 对测试数据进行预测
predictions = predictor.predict("test.csv")

代码说明：

1. 导入模块：引入表格数据预测器。
2. 训练 (fit)：指定目标列名 (label)，传入训练数据路径。presets="best" 会自动启用包括模型集成、超参数优化在内的高级策略以获取最佳效果。
3. 预测 (predict)：传入测试数据路径，直接返回预测结果。

其他任务类型

AutoGluon 同样支持时间序列和多模态任务，使用方式类似：

• 时间序列：使用 autogluon.timeseries.TimeSeriesPredictor
• 多模态（图像/文本）：使用 autogluon.multimodal.MultiModalPredictor

更多具体任务的教程请参考 官方文档。