FLAML é uma biblioteca Python leve que encontra modelos precisos de aprendizado de máquina de forma automática, eficiente e econômica.
Ele libera os usuários de selecionar estimadores e hiperparâmetros para cada estimador. É rápido e econômico. O design simples e leve facilita a ampliação, como adicionar estimadores ou métricas personalizados.
FLAML é alimentado por um novo método de seleção de estimadores e otimização de hiperparâmetros de baixo custo, inventado pela Microsoft Research.
FLAML utiliza a estrutura do espaço de busca para escolher uma ordem de busca otimizada tanto para custo quanto para erro. Por exemplo, o sistema tende a propor configurações mais simples no estágio inicial da pesquisa, mas rapidamente muda para configurações com alta complexidade do modelo e grande tamanho de amostra quando necessário no estágio posterior da pesquisa. Em outro exemplo, ele favorece os estimadores mais simples no início, mas os penaliza mais tarde se a melhoria do erro for lenta. A busca limitada pelo custo e a priorização baseada no custo fazem uma grande diferença na eficiência da busca.
FLAML tem uma implementação .NET também, a partir do ML.NET Model Builder.
No link abaixo você encontra a documentação e exemplos:
https://github.com/microsoft/FLAML
David Matos