μ¬ν:
from evalml.automl import AutoMLSearch
from evalml.demos import load_breast_cancer
X, y = load_breast_cancer()
automl = AutoMLSearch(X, y, problem_type="binary", max_batches=1)
automl.search()
pipelines = [automl.get_pipeline(i) for i in range(3)]
assert [p.name for p in pipelines] == ['LightGBM Classifier w/ Imputer', 'LightGBM Classifier w/ Imputer', 'LightGBM Classifier w/ Imputer']
νμ΄νλΌμΈμ μ΄λ¦μ΄ λͺ¨λ κ°μ μλ μμ΅λλ€. μΆμ μλ λ€λ¦ λλ€.
[p.estimator.name for p in pipelines]
['Baseline Classifier', 'Decision Tree Classifier', 'LightGBM Classifier']
μ΄λ¦λΏλ§μ΄ μλλλ€. νμ΄νΌνλΌλ―Έν°(ν΄λμ€μ μ μ₯λ λ€λ₯Έ κ°μ΄ μμ¬λ¨)λ μ
λ°μ΄νΈλ©λλ€. μ΄λ GeneratedPipelineBinary
ν΄λμ€λ₯Ό μ¬μ©νκ³ ν΄λΉ ν΄λμ€ λ³μλ₯Ό μ
λ°μ΄νΈνκΈ° λλ¬Έμ
λλ€. κ° νμ΄νλΌμΈμ GeneratedPipelineBinary
μ΄λ―λ‘ μ 체 ν΄λμ€μ λν΄ μ
λ°μ΄νΈνκ³ λͺ¨λ μΈμ€ν΄μ€μ μν₯μ λ―ΈμΉ©λλ€.
λλ μ΄κ²μ΄ #1400μμ μ λνλ€κ³ λ―Ώλλ€. λλ μ°λ¦¬κ° νΌν΄μ μλ€κ³ μκ°ν©λλ€(λ§μ₯λ μλ). μ°λ¦¬μ νμ΄νλΌμΈ λμμΈμ νμ΄νλΌμΈμ μ μνκΈ° μν΄ ν΄λμ€ μμ±μ μ€μ νλ κ²μ μμ‘΄ν©λλ€. μ΄λ κ²μμμμ κ°μ΄ λμ μΌλ‘ μμ±λ νμ΄νλΌμΈ ν΄λμ€λ₯Ό κ°λ λ° λμμ΄ λ©λλ€. λ¬Έμ λ μ΄λ¬ν νμ΄νλΌμΈμ AutoMLSearchμμ "λ΄λ³΄λ΄κΈ°"ν μ μλ€λ κ²μ λλ€.
λ΄κ° κ°κ³Όνκ³ μλ μ¬μ΄ μ루μ μ΄ μμ μ μμ§λ§ μ΄ λ¬Έμ λ₯Ό μμ νκ³ automl νμ΄νλΌμΈμ νΌν΄ κ°λ₯νκ² μ μ§νλ €λ©΄ κΉμ μ€κ³ λ Όμκ° νμνλ€κ³ μκ°ν©λλ€.
κ³ν
λ¨κΈ°: μ΄ λ¬Έμ λ λ²κ·Έ λμμ ν΄κ²°νκΈ° μν΄ #1400μμ λ³κ²½ μ¬νμ λλ리λ κ²μ μΆμ ν©λλ€. μ°λ¦¬μ νμ΄ν λΌμΈμ νμ΄μ¬ μ§μνμ§ μμ΅λλ€ pickle
νμ§λ§ μ¬μ ν μ¬μ©νμ¬ μ§λ ¬ν κ°λ₯ν©λλ€ κΈ°μ‘΄ save
/ load
κΈ°λ₯μ μ¬μ©νλ cloudpickle
.
μ₯κΈ°μ : λλ리기 ν #1956μ python pickle
μ¬μ©νμ¬ evalml νμ΄νλΌμΈ μ μ₯μ μ§μν΄μΌ νλ λ°©λ²μ μΆμ ν©λλ€.
κ°μ₯ μ μ©ν λκΈ
λλ μ΄κ²μ΄ #1400μμ μ λνλ€κ³ λ―Ώλλ€. λλ μ°λ¦¬κ° νΌν΄μ μλ€κ³ μκ°ν©λλ€(λ§μ₯λ μλ). μ°λ¦¬μ νμ΄νλΌμΈ λμμΈμ νμ΄νλΌμΈμ μ μνκΈ° μν΄ ν΄λμ€ μμ±μ μ€μ νλ κ²μ μμ‘΄ν©λλ€. μ΄λ κ²μμμμ κ°μ΄ λμ μΌλ‘ μμ±λ νμ΄νλΌμΈ ν΄λμ€λ₯Ό κ°λ λ° λμμ΄ λ©λλ€. λ¬Έμ λ μ΄λ¬ν νμ΄νλΌμΈμ AutoMLSearchμμ "λ΄λ³΄λ΄κΈ°"ν μ μλ€λ κ²μ λλ€.
λ΄κ° κ°κ³Όνκ³ μλ μ¬μ΄ μ루μ μ΄ μμ μ μμ§λ§ μ΄ λ¬Έμ λ₯Ό μμ νκ³ automl νμ΄νλΌμΈμ νΌν΄ κ°λ₯νκ² μ μ§νλ €λ©΄ κΉμ μ€κ³ λ Όμκ° νμνλ€κ³ μκ°ν©λλ€.