文档 | 安装 | 示例 | Telegram 聊天 | Telegram 频道

LightAutoML (LAMA) 让你只需几行代码即可创建机器学习模型，或利用现成模块构建自定义流水线。它支持表格数据、时间序列数据、图像数据和文本数据。

作者：Alexander Ryzhkov、Anton Vakhrushev、Dmitry Simakov、Rinchin Damdinov、Vasilii Bunakov、Alexander Kirilin、Pavel Shvets。

快速导览

使用 LightAutoML 解决机器学习问题有两种方式：

• 直接使用预设：

  from lightautoml.automl.presets.tabular_presets import TabularAutoML
  from lightautoml.tasks import Task
  
  automl = TabularAutoML(task = Task(name = 'binary', metric = 'auc'))
  oof_preds = automl.fit_predict(train_df, roles = {'target': 'my_target', 'drop': ['column_to_drop']}).data
  test_preds = automl.predict(test_df).data
  

• 作为框架：
  LightAutoML 框架包含大量现成组件，并提供丰富的自定义选项，欲了解更多信息，请参阅 资源 部分。

资源

Kaggle 内核中 LightAutoML 的使用示例：

• Tabular Playground Series 2021年4月竞赛解决方案
• 泰坦尼克号竞赛解决方案（80% 准确率）
• 泰坦尼克号 12 行代码 竞赛解决方案（78% 准确率）
• 房价竞赛解决方案
• 灾难推文中的自然语言处理解决方案
• Tabular Playground Series 2021年3月竞赛解决方案
• Tabular Playground Series 2021年2月竞赛解决方案
• 可解释的 WhiteBox 解决方案
• 在现有模块中嵌入自定义 ML 流水线元素
• 在现有模块中嵌入自定义 ML 流水线元素
• Tabular Playground Series 2022年11月竞赛解决方案，结合神经网络

Google Colab 教程及其他示例（examples/）：

• Tutorial_1_basics.ipynb - 在表格数据上开始使用 LightAutoML。
• Tutorial_2_WhiteBox_AutoWoE.ipynb - 创建可解释模型。
• Tutorial_3_sql_data_source.ipynb - 展示如何将 LightAutoML 预设（包括独立使用和与 SQL 数据库结合使用的变体）用于解决来自 SQL 数据库而非 CSV 文件的表格数据上的机器学习任务。
• Tutorial_4_NLP_Interpretation.ipynb - 使用 TabularNLPAutoML 预设和 LimeTextExplainer 的示例。
• Tutorial_5_uplift.ipynb - 展示如何使用 LightAutoML 进行提升建模任务。
• Tutorial_6_custom_pipeline.ipynb - 展示如何从指定模块构建自己的流水线：特征生成与特征选择流水线、机器学习算法、超参数优化等。
• Tutorial_7_ICE_and_PDP_interpretation.ipynb - 展示如何使用 ICE 和 PDP 方法获取模型结果的局部与全局解释。
• Tutorial_8_CV_preset.ipynb - TabularCVAutoML 预设在 CV 多分类任务中的使用示例。
• Tutorial_9_neural_networks.ipynb - Tabular 预设结合神经网络的示例。
• Tutorial_10_relational_data_with_star_scheme.ipynb - Tabular 预设结合神经网络的示例。
• Tutorial_11_time_series.ipynb - Tabular 预设结合时间序列数据的示例。

注 1：在生产环境中无需使用性能分析器（会增加运行时间和内存消耗），因此请勿开启该功能——默认情况下已关闭。

注 2：若要在运行结束后查看此报告，请将演示的最后一行注释掉，并添加删除报告的命令。

课程、视频

• LightAutoML 简短速成课程：

  • （俄语）面向 OpenDataScience 社区的 AutoML 课程

• 视频指南：

  • （俄语）面向 Sberloga 社区的 LightAutoML 网络研讨会（Alexander Ryzhkov、Dmitry Simakov）
  • （俄语）Kaggle Kernels 中的 LightAutoML 实操教程（Alexander Ryzhkov）
  • （英语）使用 LightAutoML 进行自动化机器学习：理论与实践（Alexander Ryzhkov）
  • （英语）LightAutoML 框架概览、基准测试及对企业的优势（Alexander Ryzhkov）
  • （英语）LightAutoML 实用指南——ML 流水线预设概览（Dmitry Simakov）

• 关于 LightAutoML 的文章：

  • （英语）LightAutoML 与泰坦尼克号：仅用几行代码即达 80% 准确率（Medium）
  • （英语）LightAutoML 实操 Python 指南——自动 ML 模型创建框架（Analytic Indian Mag）

安装

从 PyPI 在您的机器上安装 LAMA 框架：

# 基础功能：
pip install -U lightautoml

# 如需部分安装，请使用相应选项
# 额外依赖：[nlp, cv, report] 或使用 'all' 以安装所有依赖
pip install -U lightautoml[nlp]
# 或指定版本的额外依赖
pip install 'lightautoml[all]==0.4.0'

此外，运行以下命令以启用 PDF 报告生成：

# MacOS
brew install cairo pango gdk-pixbuf libffi

# Debian / Ubuntu
sudo apt-get install build-essential libcairo2 libpango-1.0-0 libpangocairo-1.0-0 libgdk-pixbuf2.0-0 libffi-dev shared-mime-info

# Fedora
sudo yum install redhat-rpm-config libffi-devel cairo pango gdk-pixbuf2

# Windows
# 请参考此教程 https://weasyprint.readthedocs.io/en/stable/install.html#windows

高级功能

GPU 和 Spark 流水线

目前，LightAutoML 的完整 GPU 和 Spark 流水线已供开发者测试使用（仍在开发中）。相关代码和教程如下：

• GPU 流水线 在此处提供
• Spark 流水线 在此处提供

参与 LightAutoML 开发

如果您有意为 LightAutoML 贡献代码，请阅读 贡献指南 以开始。

支持与功能请求

• 请在 Telegram 群组 中寻求及时建议。
• 在 GitHub 问题页面 上提交错误报告和功能请求。

引用

如果您在论文中提及 LightAutoML，请引用我们的论文： Vakhrushev 等人。"LightAutoML：大型金融服务生态系统的 AutoML 解决方案" arXiv:2109.01528，2021 年。

BibTeX 条目：

@article{vakhrushev2021lightautoml,
  title={Lightautoml：大型金融服务生态系统的 Automl 解决方案},
  author={Vakhrushev, Anton；Ryzhkov, Alexander；Savchenko, Maxim；Simakov, Dmitry；Damdinov, Rinchin；Tuzhilin, Alexander},
  journal={arXiv 预印本 arXiv:2109.01528},
  year={2021}
}

许可证

本项目采用 Apache 许可证 2.0 版。更多详情请参阅 LICENSE 文件。

返回顶部

LightAutoML 快速上手指南

环境准备

• Python：3.7–3.10
• 操作系统：Windows / macOS / Linux
• 内存：≥ 8 GB（推荐 16 GB 以上）
• 可选：NVIDIA GPU（CUDA 11+，仅 GPU 分支需要）

安装步骤

1. 安装核心包

pip install -U lightautoml

2. 按需安装扩展（可选）

# NLP 支持
pip install -U lightautoml[nlp]

# 一次性装全
pip install -U 'lightautoml[all]'

3. 生成 PDF 报告依赖（可选）

• macOS

  brew install cairo pango gdk-pixbuf libffi
  

• Ubuntu / Debian

  sudo apt-get install build-essential libcairo2 libpango-1.0-0 libpangocairo-1.0-0 libgdk-pixbuf2.0-0 libffi-dev shared-mime-info
  

• Fedora

  sudo yum install redhat-rpm-config libffi-devel cairo pango gdk-pixbuf2
  

• Windows
  参考 WeasyPrint 安装指南

国内用户可临时使用清华镜像加速：
pip install -U lightautoml -i https://pypi.tuna.tsinghua.edu.cn/simple

基本使用

场景：二分类任务（AUC 评估）

from lightautoml.automl.presets.tabular_presets import TabularAutoML
from lightautoml.tasks import Task
import pandas as pd

# 1. 读取数据
train_df = pd.read_csv('train.csv')
test_df  = pd.read('test.csv')

# 2. 初始化 AutoML
automl = TabularAutoML(
    task = Task(name='binary', metric='auc')
)

# 3. 训练并预测
oof_pred = automl.fit_predict(
    train_df,
    roles = {
        'target': 'label',          # 目标列
        'drop':  ['id', 'name']     # 需丢弃的列
    }
).data

test_pred = automl.predict(test_df).data

只需 3 步即可完成端到端建模。