upgini
機器學習的資料搜尋與豐富化函式庫 → 輕鬆從數百個公開及付費外部資料來源(包括開放與商業大型語言模型)中,為您的 ML 與 AI 管線尋找並加入相關特徵
upgini 是什麼?
機器學習的資料搜尋與豐富化函式庫 → 輕鬆從數百個公開及付費外部資料來源(包括開放與商業大型語言模型)中,為您的 ML 與 AI 管線尋找並加入相關特徵
upgini 概覽
這是什麼
Upgini 是一個智慧型資料搜尋與擴充函式庫,專為機器學習設計。它能從數百個公開、社群及付費的外部資料來源(包括開放與商業的大型語言模型)中,協助尋找並新增相關特徵至機器學習與 AI 管線。該函式庫會自動透過大型語言模型、圖神經網路(GNN)及遞迴神經網路(RNN)產生特徵,以最佳化所有連接的資料來源。其目標是簡化將外部資料納入監督式機器學習模型的流程,使外部特徵擴充變得像超參數調校一樣標準。
主要功能
- 自動僅尋找能提升模型準確度的相關特徵,而非僅與目標變數相關者。
- 從資料來源自動產生特徵,使用基於 LLM 的資料擴充、RNN 及 GraphNN,並跨多個資料來源進行集成。
- 自動從所有連接的來源擴充搜尋鍵;若缺少某些鍵(例如郵遞區號),Upgini 會根據提供的鍵嘗試新增。
- 計算使用外部特徵擴充現有 ML 模型後的準確度指標與提升幅度。
- 在時間外區間與驗證資料集上檢查準確度增益的穩定性,以降低不穩定外部資料依賴的風險。
- 提供與 Scikit-learn 相容的介面,可快速整合至現有 ML 管線。
- 支援二元分類、多類別分類、迴歸及時間序列預測。
使用情境
Upgini 適用於任何表格資料的監督式機器學習任務,尤其是當外部特徵能提升模型表現時。範例包括薪資預測、零售銷售預測、改善 Kaggle 競賽解決方案、為 AutoML 工具進行低程式碼特徵工程、多變量時間序列預測,以及信用違約預測。此外,也可用於加速特徵工程假設測試,提供現成的外部特徵。
快速開始
從 PyPI 安裝:python%pip install upgini若使用 Docker,請複製儲存庫並依照 README 中的說明建立映像檔。
授權與價格
此函式庫採用 BSD-3-Clause 授權,為開放原始碼。付費資料來源的價格未在提供的 metadata 或 README 中說明。
內容整理自該專案公開的 README 與儲存庫資訊。