在進行數(shù)據(jù)科學(xué)時，可能會浪費大量時間編碼并等待計算機運行某些東西，而一些 Python 庫，可以幫助你節(jié)省寶貴的時間。

1、Optuna

Optuna 是一個開源的超參數(shù)優(yōu)化框架，它可以自動為機器學(xué)習(xí)模型找到最佳超參數(shù)。最基本的（也可能是眾所周知的）替代方案是 sklearn 的 GridSearchCV，它將嘗試多種超參數(shù)組合并根據(jù)交叉驗證選擇最佳組合。GridSearchCV 將在先前定義的空間內(nèi)嘗試組合。例如，對于隨機森林分類器，可能想要測試幾個不同的樹的最大深度。GridSearchCV 會提供每個超參數(shù)的所有可能值，并查看所有組合。Optuna會在定義的搜索空間中使用自己嘗試的歷史來確定接下來要嘗試的值。這種不同的方法意味著它不是無意義的地嘗試每一個值，而是在嘗試之前尋找最佳候選者，這樣可以節(jié)省時間，否則這些時間會花在嘗試沒有希望的替代品上（并且可能也會產(chǎn)生更好的結(jié)果）。最后，它與框架無關(guān)，這意味著您可以將它與 TensorFlow、Keras、PyTorch 或任何其他 ML 框架一起使用。

2、PyCaret

PyCaret 是一個開源、低代碼的機器學(xué)習(xí)庫，可自動執(zhí)行機器學(xué)習(xí)工作流。它涵蓋探索性數(shù)據(jù)分析、預(yù)處理、建模（包括可解釋性）和 MLOps。

3、Gradio

如果你閱讀過敏捷數(shù)據(jù)科學(xué)，就會知道擁有一個讓最終用戶從項目開始就與數(shù)據(jù)進行交互的前端界面是多么有幫助。一般情況下在Python中最常用是 Flask，但它對初學(xué)者不太友好，它需要多個文件和一些 html、css 等知識。Gradio 允許您通過設(shè)置輸入類型（文本、復(fù)選框等）、功能和輸出來創(chuàng)建簡單的界面。盡管它似乎不如 Flask 可定制，但它更直觀。由于 Gradio 現(xiàn)在已經(jīng)加入 Huggingface，可以在互聯(lián)網(wǎng)上永久托管 Gradio 模型！