什么是 ？
是机器学习 过程中一些最重复、最耗时的任务的自动化过程。通常，数据科学和 模型被视为“黑盒”模型，其中的统计数据或底层逻辑可能很难理解。相反， 可以帮助非数据科学用户使用 ，而无需理解其背后的确切逻辑。
框架为各种实验及其结果提供了透明度，目的是 阿富汗电话号码数据 为给定的业务案例找到最佳模型参数。大多数 框架都提供无代码和低代码支持 数据科学家 和商业用户，使他们能够根据自己的需求定制 管道的各个部分。
与机器学习
构建强大的 管道需要多个复杂的步骤。广义上讲， 项目需要训练和“推理”（即将机器学习模型投入生产），其中训练部分由各种耗时的步骤组成，包括：
数据准备
预处理
特征工程
特征选择
尝试各种模型
每个模型的可解释性
选择最佳模型来满足业务用例
一旦选择了合适的推理模型，就需要根据所使用的技术架构或技术堆栈开发进一步的基础设施。选择合适的模型将取决于项目及其垂直领域。此外，每个 模型都有各种 可以衡量，包括准确率、进动、召回率、 分数（用于分类）等。最后，回归问题有不同的误差度量。
管理和执行所有这些步骤非常耗时，并且需要高水平的技术经验和知识。
这时 就派上用场了。它可以帮助业务或技术用户找到有关数据的可操作见解，而无需经历上述所有建模和实验麻烦。因此， 可以帮助快速实现将 应用于数据的价值。其理念是在预测建模中几乎不需人工干预，即可快速获得结果。