AutoGluon尝试，python

官方文档：AutoGluon: AutoML for Text, Image, and Tabular Data — AutoGluon Documentation 0.4.2 documentation

Github: GitHub - awslabs/autogluon: AutoGluon: AutoML for Image, Text, and Tabular Data

关于选择CPU还是GPU，参考：Which underlying libraries of AutoGluon uses GPU for training? · Issue #262 · awslabs/autogluon · GitHub这里我选的是CPU

安装anaconda并在对应虚拟环境中运行以下命令：

pip3 install -U pip
pip3 install -U setuptools wheel

# CPU version of pytorch has smaller footprint - see installation instructions in
# pytorch documentation - https://pytorch.org/get-started/locally/
pip3 install "torch>=1.0,<1.11+cpu" -f https://download.pytorch.org/whl/cpu/torch_stable.html

pip3 install autogluon

我有很多年的空间数据，所以在整理时借助了postgresql数据库，参考之前的文章 Python和PostgreSQL，PostGIS，空间数据管理_balabalaxi~的博客-CSDN博客

最终导出了一个csv文件

拿到一堆训练数据，在选择训练集，交叉验证集和测试集时往往需要把数据的顺序打乱，可以采用以下方法：

该方法会对df打乱顺序，并返回一定的比例，其中若100%返回则frac=1, 若返回50%则frac=0.5。然后对数据集进行分割即可：

df=df.sample(frac=1)
df=df.sample(frac=0.5)
transet=df.loc[:a] # 提取数据前a行

from sklearn.utils import shuffle
df = shuffle(df)

df.iloc[np.random.permutation(len(df))]