本文详细介绍如何在Mac环境下安装并使用auto-sklearn自动机器学习工具。从搭建Python3环境开始，逐步指导安装SWIG、XGBoost及pyrfr等依赖库，解决常见错误，并提供运行示例代码。
摘要生成于
，由 DeepSeek-R1 满血版支持，
需要python3的环境
安装swig3
ruby -e "$(curl --insecure -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
brew install swig3
给指定的文件夹赋予写权限：
sudo chmode 777 文件夹
brew link swig
安装xgboost：
cd ~ git clone --recursive
https://github.com/dmlc/xgboost
brew install gcc --without-multilib
cd xgboost; cp make/minimum.mk ./config.mk; make -j4
cd python-package; sudo python setup.py install
安装auto-sklearn
pip install auto-sklearn
如果报错如下：
XGBoostLibraryNotFound: Cannot find XGBoost Library in the candidate path, did you install compilers and run build.sh in root path?
List of candidates:
/private/var/folders/xw/cvs2qk9d77vc8fgn7zyvp84sqjlg4_/T/pip-install-25jfq24s/xgboost/xgboost/libxgboost.dylib
/private/var/folders/xw/cvs2qk9d77vc8fgn7zyvp84sqjlg4_/T/pip-install-25jfq24s/xgboost/xgboost/../../lib/libxgboost.dylib
/private/var/folders/xw/cvs2qk9d77vc8fgn7zyvp84sqjlg4_/T/pip-install-25jfq24s/xgboost/xgboost/./lib/libxgboost.dylib
/Users/..../.conda/envs/untitled/xgboost/libxgboost.dylib
然后将xgboost下面的libxgboost.dylib 放入提示的默认目录下：
cp libxgboost.dylib /Users/...../.conda/envs/untitled/xgboost/
pip install auto-sklearn
如果报错：
手动安装pyrfr
安装pyrfr注意事项：
pyrfr == 0.6.1, 下载地址
https://pypi.python.org/pypi/pyrfr/0.6.1
将上述的包下载下来后解压，解压后修改安装文件setup.py
extra_compile_args = ['-O2', '-std=c++11']
extra_compile_args = ['-O2', '-std=c++11', '-stdlib=libc++', '-mmacosx-version-min=10.7']
cd pyrfr-0.6.1/
python setup.py install
brew link pcre
pip install auto-sklearn
import sklearn.model_selection
import sklearn.datasets
import sklearn.metrics
import autosklearn.classification
def main():
X, y = sklearn.datasets.load_digits(return_X_y=True)
X_train, X_test, y_train, y_test = \
sklearn.model_selection.train_test_split(X, y, random_state=1)
automl = autosklearn.classification.AutoSklearnClassifier(
time_left_for_this_task=120,
per_run_time_limit=30,
tmp_folder='/tmp/autosklearn_holdout_example_tmp',
output_folder='/tmp/autosklearn_holdout_example_out',
disable_evaluator_output=False,
# 'holdout' with 'train_size'=0.67 is the default argument setting
# for AutoSklearnClassifier. It is explicitly specified in this example
# for demonstrational purpose.
resampling_strategy='holdout',
resampling_strategy_arguments={'train_size': 0.67}
automl.fit(X_train, y_train, dataset_name='digits')
# Print the final ensemble constructed by auto-sklearn.
print(automl.show_models())
predictions = automl.predict(X_test)
# Print statistics about the auto-sklearn run such as number of
# iterations, number of models failed with a time out.
print(automl.sprint_statistics())
print("Accuracy score", sklearn.metrics.accuracy_score(y_test, predictions))
if __name__ == '__main__':
main()
Auto-sklearn 是一个自动化机器学习工具包，是 scikit-learn 直接替代品，是建立在sklearn进一步封装的基础上。Auto-sklearn不需要用户进行超参数的调节和模型的选择，而是自动进行。
这里使用auto-sklearn进行分子的性质预测
官方安装指南：
http://automl.github.io/auto-sklearn/stable/installation.html#installation
系统需求：
auto-sklearn has the following system requirements:
Linux operating system (for example Ubuntu),
Python (&...
千万不要把x86的全部数据直接迁移到M1。不然miniconda都装不上。
重装系统得到一个干净的环境，就可以简单的安装上miniconda了。
create一个虚拟环境，去装包
conda create -n your_env_name python=3.8.8(其他的也行)
source activate your_env_name
M1系统安装scripy有问题：
brew install openblas
export LDFLAGS="-L/opt/homebrew/
安装python3，使用的环境是centors，具体的内容可以看python文集中的内容。
swig命令错误，在Google搜索之后，发现他的github里issue中提到过这个，解决方案就是重新安装swig3。
另外，为了将python3加入到jupyter里面，利用了Jupyt...
项目地址:https://gitcode.com/gh_mirrors/au/auto-sklearn
目录结构及介绍
Auto-sklearn 的目录结构主要围绕着自动化机器学习的需求设计，旨在简化模型选择、超参数优化和集成过程。以下是关键目录及其功能概述：
auto-sklearn: 包含核心自动化学习算法实现。
classification: 自...
python3.6 pip等已经装好的情况安装auto-sklearn,终端下分别运行以下命令
sudo apt-get install swig
curl https://raw.githubusercontent.com/automl/auto-sklearn/master/requirements.txt | xargs -n 1 -L 1 pip install auto-sklearn
sudo apt-get install build-essential swig
本次调试目的：因为公司内部需要做一个算法比较，顺带学习使用该技能，因为太久没有更新博客，本次调试运用为主，原理之后空了再深究
2. 原理篇
2.1什么是auto-sklearn
图1 ：Auto-sklearn框架结构（图摘自2015年的论文，此时只支持分类，现在的版本添加了回归）
Auto-sklearn是一个自动化机器学习框架，结构如图1所示，用户只要输...
AI之AutoML：autosklearn/Auto-Sklearn(基于scikit-learn库的自动化的机器学习工具)的简介、安装、使用方法之详细攻略
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
11-05
AI之AutoML：autosklearn/Auto-Sklearn(基于scikit-learn库的自动化的机器学习工具)的简介、安装、使用方法之详细攻略
autosklearn/Auto-Sklearn的简介
autosklearn/Auto-Sklearn的安装
autosklearn/Auto-Sklearn的使用方法
autosklearn/Auto-Sklearn的简介
autosklearn/Auto-Sklearn(基于scikit-learn库的自动化的机器学习工
首先，我还是那句说了一万遍的话，安装任何程序，请以官方文档为准。
那么，我们就去看看官方文档吧。
https://automl.github.io/auto-sklearn/master/installation.html
官方文档第一条就说，需要Linux系统。????
没事，自然有逆天的方法给他装上去。因为我用WSL（Windows Subsystem for Linux）。
安装WSL
然后修改...
Auto-sklearn是一个基于scikit-learn构建的自动机器学习工具。它提供了开箱即用的监督型自动机器学习，可以为新的数据集自动搜索学习算法，并优化其超参数。Auto-sklearn的目标是减轻机器学习使用者的负担，让他们能够更专注于实际的问题。因此，使用者不再需要手动选择和调整学习算法和超参数，而是通过调用auto-sklearn来完成这些任务。
Auto-sklearn是基于Python语言的机器学习工具，而且它是基于scikit-learn库构建的。scikit-learn是一个功能非常强大的机器学习库，它封装了常用的机器学习方法，包括回归、降维、分类、聚类等。因此，Auto-sklearn可以自动搜索和选择这些方法中的其中一个或多个来解决特定的学习问题。
Auto-sklearn的能力取决于所选择的学习算法和超参数的搜索空间。它可以自动搜索和选择最佳的学习算法和超参数组合，从而在给定的数据集上获得最佳的性能。但是，由于搜索空间的大小和计算资源的限制，auto-sklearn不能保证找到全局最优解。然而，它通常能够找到接近最佳的解决方案，尤其是对于中小规模的数据集和常见的学习问题。
总之，Auto-sklearn是一个强大的自动机器学习工具，它可以帮助机器学习使用者自动搜索学习算法并优化超参数，从而减轻使用者的负担，并提供更多时间专注于实际问题的解决。
