[!警告] 本仓库目前仅处于维护模式。我们正逐步淘汰基于PHP的REST API，转而采用更为现代化的基于FastAPI的API。 更多详情请参阅贡献指南。

OpenML：开放机器学习

欢迎来到OpenML的GitHub页面！ :tada:

目录：

• 我们是谁？
• 什么是OpenML？
  • 对科学的好处
  • 对科学家的好处
  • 对社会的好处
• 参与进来

我们是谁？

我们是一群热衷于开放科学、开放数据和机器学习的人。我们希望通过计算机与人类之间的最佳分工协作，让机器学习和数据分析变得简单、可及、协作性高且开放。

什么是OpenML？

想了解OpenML或参与其中吗？请随时行动，并在有任何问题或意见时与我们联系！ :incoming_envelope:

• 入门：
  • 访问OpenML官网，初步了解OpenML是什么。
  • OpenML的文档页面提供了详细的介绍和功能说明，以及
  • OpenML的不同API和集成，以便每个人都能使用自己喜爱的工具。
• 如何贡献：https://github.com/openml/OpenML/blob/master/CONTRIBUTING.md
• 引用与荣誉准则：https://www.openml.org/terms
• 沟通/联系方式：https://github.com/openml/OpenML/wiki/Communication-Channels

OpenML是一个用于共享和组织数据、机器学习算法及实验的在线机器学习平台。它旨在创建一个无摩擦、网络化的生态系统，您可以轻松地将其集成到现有的流程、代码或环境中，使全球各地的人们能够协作并直接建立在他人的最新想法、数据和成果之上，无论他们使用何种工具和基础设施。

作为开放科学平台，OpenML为科学界及其他领域带来了重要益处。

对科学的好处

许多学科通过采用在线工具来组织、结构化和分析科学数据，取得了重大突破。事实上，任何共享的想法、问题、观察或工具，都可能被恰好具备相关专业知识的人注意到，从而激发新思路、解答未解决问题、重新诠释观察结果，或以意想不到的方式重复利用数据和工具。因此，以团队形式（甚至跨学科）在线分享研究成果并开展协作，能够让科学家们迅速借鉴和扩展他人的成果，促进新的发现。

此外，随着大量已有数据的可用，规模更大的研究也变得可行。诸如“哪个超参数需要调优？”、“分析该数据集的最佳已知工作流是什么？”或“哪些数据集与我的数据结构相似？”等问题，都可以通过复用先前的实验在几分钟内得到解答，而无需花费数天时间来搭建和运行新的实验。

对科学家的好处

科学家们也可以从使用OpenML中获得个人收益。例如，他们可以节省时间，因为OpenML协助处理许多常规且繁琐的任务：查找数据集、任务、流程和先前的研究成果，设置实验，并将所有实验整理好以供进一步分析。此外，新实验会立即与当前最先进的水平进行比较，而无需总是重新运行他人的实验。

另一个好处是，将自己的研究成果与其他人的成果关联起来，具有巨大的潜在价值（例如，见Feurer等，2015年；Post等，2016年；Probst等，2017年），这将带来更多论文发表机会，并促进与世界各地其他科学家的合作。

最后，OpenML还可以帮助科学家提升声誉，通过让其工作（无论是否已发表）被广泛人群所知晓，以及展示其数据、代码和实验被他人下载或重用的频率。

对社会的好处

OpenML也为学生、公民科学家和从业者提供了一个有用的学习和工作环境。学生和公民科学家可以通过贡献自己的算法和实验，轻松探索前沿技术并与顶尖专家合作。教师可以挑战学生，在OpenML任务上展开竞争，或将OpenML数据融入作业中。最后，机器学习从业者可以探索和重用针对特定分析问题的最佳解决方案，与科学界互动，或高效地尝试多种可能的方法。

---

参与进来

OpenML已经发展成为一个相当大的项目。我们非常需要更多人来帮忙 :wrench:。

• 您想贡献吗？：太棒了！请查看我们的维基页面上的如何贡献说明，或联系我们。您或许能以意想不到的方式提供帮助。我们欢迎任何创意。
• 您想为我们提供资金支持吗？：当然！通过传统渠道获得资助竞争非常激烈，我们对每一份小额捐助都深表感谢。请发送邮件至openmlHQ@googlegroups.com！

---

GitHub组织结构

为了简化开发，OpenML的代码分布在不同的仓库中。如果您想参与贡献，请查看各个仓库的README文件和问题跟踪器。以下是其中最重要的几个：

• openml/OpenML：OpenML Web应用，包括REST API。
• openml/openml-python：Python API，用于从Python脚本（包括scikit-learn）与OpenML交互。
• openml/openml-r：R API，用于从R脚本（包括mlr）与OpenML交互。
• openml/java：Java API，用于从Java脚本与OpenML交互。
• openml/openml-weka：WEKA插件，用于从WEKA工具箱与OpenML交互。

OpenML 快速上手指南

⚠️ 重要提示 当前主仓库（PHP 版 REST API）已进入仅维护模式。官方正逐步迁移至基于 FastAPI 的新版服务端 API。对于新开发项目，建议优先参考新版 API 文档及对应的客户端库。本指南主要介绍如何通过各语言客户端与 OpenML 平台交互。

OpenML 是一个开放的机器学习平台，旨在共享和整理数据、算法及实验结果，促进全球协作。

环境准备

在开始之前，请确保您的开发环境满足以下基本要求：

• 操作系统：Linux, macOS 或 Windows。
• 网络连接：需要访问 www.openml.org（如遇网络延迟，可尝试配置代理）。
• 前置依赖：根据您使用的编程语言，安装相应的运行时环境：
  • Python 用户：Python 3.7+ 及 pip。
  • R 用户：R 环境及 CRAN 包管理工具。
  • Java 用户：JDK 8+ 及 Maven/Gradle。
• OpenML 账号（可选但推荐）：访问 openml.org 注册账号并获取 API Key，以便上传数据或提交实验结果。

安装步骤

OpenML 提供了多种语言的客户端库，请选择适合您技术栈的安装方式。

1. Python (推荐，集成 scikit-learn)

使用 pip 安装官方 Python 客户端：

pip install openml

若需结合 scikit-learn 使用，确保已安装 scikit-learn：

pip install scikit-learn

2. R 语言

在 R 控制台或 RStudio 中运行：

install.packages("OpenML")

3. Java / WEKA

Maven 项目，在 pom.xml 中添加依赖：

<dependency>
    <groupId>org.openml</groupId>
    <artifactId>openml-java</artifactId>
    <version>0.13.0</version> <!-- 请检查最新版本号 -->
</dependency>

WEKA 用户：可通过 WEKA 的包管理器安装 OpenML 插件，或将 jar 包放入 WEKA 的 packages 目录。

基本使用

以下以最常用的 Python 为例，展示如何下载数据集并运行一个简单的机器学习实验。

第一步：配置 API Key (可选)

如果您需要上传数据或提交结果，请在代码开头设置 API Key：

import openml

# 替换为您在 openml.org 获取的 API Key
openml.config.apikey = 'YOUR_API_KEY_HERE'

第二步：下载数据集

直接从 OpenML 服务器获取经典数据集（例如 Iris）：

import openml

# 通过 ID 获取数据集 (Iris 数据集 ID 为 61)
dataset = openml.datasets.get_dataset(61)

# 将数据加载为 pandas DataFrame 和 numpy 数组
X, y, categorical_indicator, attribute_names = dataset.get_data(
    dataset_format='array', 
    target=dataset.default_target_attribute
)

print(f"数据集名称：{dataset.name}")
print(f"特征形状：{X.shape}")

第三步：运行实验并上传结果

结合 scikit-learn 构建模型，并在 OpenML 任务上运行实验：

from sklearn import ensemble
from sklearn.model_selection import cross_val_score
import openml

# 获取一个分类任务 (例如 Iris 上的分类任务 ID 为 164020)
task = openml.tasks.get_task(164020)

# 定义模型
clf = ensemble.RandomForestClassifier(n_estimators=10, random_state=42)

# 在 OpenML 任务上运行模型
run = openml.runs.run_model_on_task(clf, task)

# 发布运行结果到 OpenML 服务器 (需配置 API Key)
# run.publish() 

print(f"实验运行完成，本地评估分数：{run.data_content['predictions']}")

第四步：探索现有流（工作流）

查看其他人提交的优秀解决方案：

# 搜索特定的机器学习流 (Flow)
flows = openml.flows.list_flows(tag='study_14', output_format='dataframe')
print(flows.head())

---

更多语言（R/Java）的详细用法及高级功能，请访问 OpenML 官方文档 及各语言客户端仓库。