## Kaggle ML model (version 1.0) 参考 sub-sample-vs-super-sample-noisy-rows.ipynb的主要训练流程,以此基础上,拓展了 - ML 单模型种类 - ML 单模型的参数搜索 - ML 多模型集成的权重搜索 等功能,并让整个工作流完整化。 还需补充方向: - 特征的选择(已有 feature_engineering.ipynb可参考,需搜集其他思路) - MLP的参数搜索 ### 模块介绍 模型参数搜索: optimize_params + HyperparameterOptimizer 策略集成工作流: main + Utils + inplemental 相关配置文件: Settings ### 环境安装 如果自己习惯 conda环境,可以直接按照 pyproject.toml中的依赖进行自行安装,略过下面的内容 下面介绍一种简单快速的环境安装方法 UV 1. 安装 uv工具 https://github.com/astral-sh/uv windows powershell:powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex" macOS terminal:curl -LsSf https://astral.sh/uv/install.sh | sh 2. powershell 进入项目 uv python install 3.11 uv sync 如果是 windows且已经安装了 cuda,执行 setup_cuda.py,卸载 cpu版本的 torch,安装 gpu版本的 torch .venv/bin/activate python setup_cuda.py 安装验证 python -c "import torch; print(f'PyTorch: {torch.__version__}'); print(f'CUDA: {torch.cuda.is_available()}')" 安装的 gpu版本 torch需要参考本机安装的 cuda版本来进行选择