End-to-End-AutoML-Insurance

一键打通保险预测模型从训练到上线的全流程

这是一个面向保险交叉销售场景的端到端AutoML参考实现，整合了H2O AutoML、MLflow、FastAPI和Streamlit四大工具链。项目以Jupyter Notebook为载体，从数据探索、模型训练、实验追踪到服务部署，提供了一条完整的机器学习流水线。它解决了保险行业在构建预测模型时面临的工具碎片化、实验管理混乱和部署复杂等痛点，让数据科学家能快速完成从原型到生产的转换。核心能力包括：利用H2O AutoML自动进行特征工程和模型调优，通过MLflow记录每次实验的参数、指标和模型产物，借助FastAPI将最佳模型封装为高性能REST API，并使用Streamlit构建交互式演示界面。整体上，该项目是一个实用的模板，展示了如何将多个开源MLOps工具无缝集成，适用于保险领域的客户响应预测、产品推荐等场景。