pycaret

几行代码跑完建模全流程，小白也能交出好模型

Python 生态中的开源低代码 AutoML 平台，几行代码即可完成数据预处理、模型训练、调参与对比。4.0 版本采用 sklearn 原生引擎并引入 React 控制平面，兼顾性能与可视化体验，适合快速验证建模思路、降低机器学习入门门槛。

开源 free 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 9843

维护状态维护中

是否开源是

定价模式 free

项目数据

分类基础设施

开发团队pycaret

所属国家

官网地址https://pycaret.org

GitHubhttps://github.com/pycaret/pycaret

定价模式free

价格说明完全开源免费，可本地部署使用，官网提供文档和教程，无付费版本。

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型anomaly-detection,automl,classification,clustering,data-science,fastapi,machine-learning,ml,mlops,open-source,pycaret,python,react,regression,scikit-learn

GitHub 星标★ 9843

30天Star增速

HF 下载量

上线时间2019-11-23 00:00:00

最近更新2026-09-21 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

难度：入门约 5 分钟部署方式：Docker 5 步

环境要求

Docker Desktop 4.27+（或 Docker Engine 25.0+ 搭配 Compose v2.24+）
首次构建需联网下载 Python 依赖与 npm 包
本地开发模式还需 uv 与 npm 环境（README 给出 uv sync 与 npm install 命令）

安装与启动步骤

1克隆仓库

把 PyCaret 4.0 源码拉到本地，注意当前 main 分支即 4.0 线。
```
git clone https://github.com/pycaret/pycaret.git
```
2进入项目目录

后续所有 docker compose 命令都要在仓库根目录执行。
```
cd pycaret
```
3一键启动平台

单条命令拉起引擎、控制面与 Web UI 两个容器，首次构建约 5 分钟。
```
docker compose up --build
```
4打开 Web UI

浏览器访问该地址，初始化向导会引导创建第一个管理员账号和工作空间。
5本地开发模式

想带热重载改代码时改用此方式：先装全部依赖，再装前端依赖。
```
uv sync --all-packages --all-extras
cd apps/web && npm install && cd ..
```

如何确认成功

终端出现 pycaret-api | INFO: Application startup complete. 与 pycaret-web 启动 nginx 日志后，打开 http://localhost:3020 能看到 setup 初始化

常见问题

Q：首次启动为什么要等好几分钟？

A：首次 docker compose up --build 需要安装 Python 依赖、执行 npm install 并做 Vite 构建，约 5 分钟；之后的启动通常不到 30 秒。

Q：前端和后端各自跑在哪个端口？

A：pycaret-web（React UI，nginx 托管并代理 /api 与 /ws）在 http://localhost:3020，pycaret-api（FastAPI + SQLAlchemy + APScheduler）在 http://localhost:8020。

Q：4.0 可以用于生产吗？

A：README 明确标注 4.0 仍在开发中（work in progress），3.x 线已冻结在 PyPI 的 pycaret 3.4.0，生产环境可优先考虑 3.x。

Q：数据存在哪里？

A：存在命名卷 pycaret-data 中，包含 SQLite 数据库、上传的 CSV、拟合好的 .pkl 文件以及 Fernet 密钥。

注意事项

4.0 是自底向上的架构重构，main 分支即 4.0 线，进度可看 docs/revamp/STATUS.md 与 ROADMAP.md。
当前 docker compose 只起两个容器：一个 nginx 托管的 React 包，一个同时跑调度、计算等进程的 FastAPI。
README 未提供环境变量等配置项说明，因此未列出可配置键。

核心亮点

低代码AutoML设计，几行代码即可完成模型训练、比较和调优，显著降低机器学习使用门槛
内置丰富的数据预处理、特征工程和模型解释功能，覆盖分类、回归、聚类、异常检测等常见任务
4.0版本采用sklearn原生引擎，兼容性更好，并引入React控制平面，支持可视化交互和部署集成

不足之处

高度封装导致灵活性受限，高级用户自定义模型或复杂pipeline时可能遇到阻碍
大规模数据集上性能优化不足，自动调参和集成方法计算开销较大
文档/社区待观察

适用场景

快速构建机器学习原型和基线模型，适合数据科学竞赛或业务探索
非专业数据科学家进行简单预测建模，降低企业内部分析门槛
教学演示和AutoML流程验证，快速对比多种算法效果

替代项目

AutoGluon、H2O AutoML、TPOT

项目介绍

pycaret 是模型训练领域的开源项目，由 pycaret 开发，2019 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（9,843）位列前 5%，在模型训练分类的 522 个项目里位列前 5%。

项目仍在小幅维护中，最近一次代码更新于 2026-09-21。完全开源免费，可本地部署使用，官网提供文档和教程，无付费版本。从国内网络环境看，当前已无法正常访问。

它主要面向的使用场景是：快速构建机器学习原型和基线模型，适合数据科学竞赛或业务探索。同类可对比的替代方案包括 AutoGluon、H2O AutoML、TPOT。

上一篇：wandb

下一篇：UniRL