Я пытаюсь использовать autosklearn (версия 0.4.1), чтобы понять, в каком алгоритмическом направлении искать мою проблему регрессии.Я попробовал это с примерами бостонской игрушки из sklearn, и это работает хорошо (см. Код ниже).Просто он выводит множество алгоритмов.Это хорошо, но я хотел бы также сказать мне, какой алгоритм лучше.
Я думал, что смогу достичь этого, используя параметр "ensemble_size = 1" (или ноль) в autosklearn.regression.AutoSklearnRegressor, но всегда получаю ансамбль с несколькими взвешенными алгоритмами внутри.Также, если я установлю «ensemble_size = 5» или какое-либо число больше 1, размер ансамбля останется таким же, как если бы я вообще не устанавливал параметр, но не значение, которое я даю.
Кто-нибудь знает,если я просто использую неправильный синтакс, пытаюсь достичь чего-то, что невозможно с помощью пакета autosklearn, или я что-то здесь упускаю?
Большое спасибо за ваш ответ и наилучшие пожелания, lgreenalien
import sklearn.datasets
import autosklearn.regression
x, y = sklearn.datasets.load_boston(return_X_y=True)
feature_types = (['numerical'] * 3) + ['categorical'] + (['numerical'] * 9)
x_train, x_test, y_train, y_test = sklearn.model_selection.train_test_split(x, y, random_state=1)
automl = autosklearn.regression.AutoSklearnRegressor(
time_left_for_this_task=120,# in seconds
per_run_time_limit=30,
tmp_folder='tmp_Bostondata',
output_folder='output_Bostondata',
)
automl.fit(x_train, y_train, dataset_name='Boston dataset',
feat_type=feature_types)
predictions = automl.predict(x_test)