Sklearn-genetic-opt

用遗传算法自动调参，告别网格搜索的低效

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署基础设施 🍴 复刻 141 🐛 待处理 9 👀 关注 7

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 391

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，无付费版本。

项目预览

项目数据

分类基础设施

开发团队rodrigo-arenas

官网地址https://sklearngeneticopt.rodrigo-arenas.com

GitHubhttps://github.com/rodrigo-arenas/Sklearn-genetic-opt

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型artificial-intelligence,automl,cross-validation,evolutionary-algorithms,feature-engineering,feature-selection,grid-search,hyperparameter-optimization,machine-learning,mlops,model-optimization,model-selection,python,scikit-learn,sklearn

GitHub 星标★ 391

上线时间2020-01-18 00:00:00

代码更新2026-11-04

仓库体积147.6 MB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-09

浏览次数6

项目介绍

sklearn-genetic-opt 是一个面向 scikit-learn 的超参数优化与特征选择工具，采用进化算法（如遗传算法）自动搜索最佳模型配置。它解决了传统网格搜索和随机搜索在参数空间大时效率低、易陷入局部最优的问题，提供了一种更智能的调参方式。核心能力包括：支持自定义遗传算法参数（如种群大小、变异率）、内置多种进化策略、可与 scikit-learn 的 Pipeline 无缝集成、提供日志与可视化功能。用户只需定义参数搜索范围，即可自动迭代寻找最优超参数组合，同时支持特征选择以提升模型性能。该项目适合机器学习工程师和数据科学家在模型开发阶段快速找到高质量参数配置。