Lale ist eine Python-Bibliothek für halbautomatische Datenwissenschaft. Lale macht es einfach, für Pipelines, die mit scikit-learn kompatibel sind, auf eine typsichere Weise automatisch Algorithmen auszuwählen und Hyperparameter zu konfigurieren. Wenn Sie Datenwissenschaftler sind, die gerne mit automatischem maschinellem Lernen experimentieren möchten, dann ist dies die richtige Bibliothek für Sie! Lale bietet einen Mehrwert, der über scikit-learn in drei Dimensionen hinausgeht: Automatisierung, Korrektheitsprüfungen, und Interoperabilität. Für Automatisierung bietet Lale eine konsistente High-Level-Schnittstelle zu vorhandenen Pipelinesuchwerkzeugen, einschließlich Hyperopt, GridSearchCV, und SMAC. Für Korrektheitsprüfungen nutzt Lale JSON Schema, um Fehler zu findern, wenn Hyperparameter nicht zu ihrem Typ passen oder wenn Daten nicht zu Operatoren passen. Und für Interoperabilität hat Lale eine wachsende Bibliothek von Transformers und Estimators aus beliebten Bibliotheken wie scikit-learn, XGBoost, PyTorch, usw. Lale kann wie jedes andere Python-Paket installiert werden und kann mit üblichen Python-Werkzeugen, so wie Jupyter Notebooks, editiert werden.
- Einführungshandbuch für scikit-learn Nutzer
- Installationsanleitung
- Technische Übersicht Slides, Notebook, und Video
- IBM's AutoAI SDK benutzt Lale, siehe Demonstrationsnotebook
- Anleitung zur Einbeziehung neuer Operatoren
- Leitfaden für Beiträge zu Lale
- Veröffentlichungen
- Häufig gestellte Fragen
- Python API Dokumentation
Der Name Lale, ausgesprochen laleh, kommt vom persischen Wort für Tulpe. Ähnlich wie gängige Bibliotheken für maschinelles Lernen wie scikit-learn ist Lale auch nur eine Python-Bibliothek, keine neue eigenständige Programmiersprache. Benutzer müssen weder neue Tools installieren noch neue Syntax lernen.
Lale wird unter den Bedingungen der Apache 2.0-Lizenz bereitgestellt, siehe LICENSE.txt. Es befindet sich derzeit in einer Alpha-Version ohne jegliche Gewährleistung.