没有“最好”的AutoML工具，只有最匹配当前任务的；需根据数据规模、特征类型、可解释性需求及训练时间容忍度选择：auto-sklearn适合中小数据。
AutoML 工具选哪个：auto-sklearn、TPOT、H2OAutoML 怎么挑
没有“最好”的 AutoML 工具，只有和你当前任务最匹配的那个。关键看数据规模、特征类型、是否需要可解释性，以及你愿不愿意为模型训练多等几小时。
-
auto-sklearn适合中小数据（scikit-learn，结果容易复现，但不支持文本/图像原生处理 -
TPOT基于遗传算法搜索 pipeline，生成的是可读的scikit-learn代码，适合想学建模逻辑或后续要人工调优的人；但搜索慢、随机性强，同一份数据两次运行可能出完全不同 pipeline -
H2OAutoML启动快、支持并行、能自动处理缺失值和类别变量，对初学者友好；但它把模型封装太深，导出后难调试，且依赖 Java 运行时，本地没装java就直接报JavaNotFoundError
跑 auto-sklearn 之前必须做这三件事
它不会帮你清洗数据，也不会猜你漏了什么——很多失败不是工具不行，是输入太糙。
- 目标变量必须是
int或str，不能是float（哪怕只是 0.0/1.0）；否则报错ValueError: Unknown label type: 'continuous' - 所有特征列必须是数值型或已编码的类别列；含
NaN的列要先用SimpleImputer填充，auto-sklearn不自动处理缺失值 - 训练集和测试集必须严格分离，不能在
fit()前用StandardScaler全局拟合——它内部会自己做标准化，外部再做会导致分布偏移
TPOT 搜索中途停了？大概率是内存或超时设置太激进
TPOT 默认用整个 CPU 跑遗传算法，每代都保存大量 pipeline 对象，小内存机器很容易 OOM；同时它默认只搜 5 分钟，常不够收敛。
- 加参数
max_time_mins=30延长总时间，比单纯调generations更稳 - 用
memory_limit='4GB'显式限制内存，避免炸掉系统 swap - 如果只想快速试效果，设
population_size=20（默认 100），减少单代个体数，换速度保可用性 - 别信
TPOTClassifier().score(X_test, y_test)返回值——它返回的是验证集分数，不是测试集；真正评估得用你自己的cross_val_score或独立测试集
H2OAutoML 导出模型后没法直接用 joblib.load
它存的是 H2O 自己的二进制格式，不是标准 pickle，也不能当普通 sklearn estimator 调用 predict_proba。
立即学习“Python免费学习笔记（深入）”；
- 导出用
h2o.save_model(aml.leader, path="mymodel")，加载必须用h2o.load_model("mymodel")，且全程得保持 H2O cluster 在线 - 想脱离 H2O 环境部署？只能用 MOJO（轻量级二进制），导出后需搭配 H2O 提供的 Java/Python runtime 解析，纯 Python 项目里硬塞 MOJO 很麻烦
- MOJO 不支持所有模型类型，比如某些集成方法导出后
predict会报Unsupported model type for MOJO，得提前查文档确认支持列表
AutoML 真正难的从来不是“怎么启动”，而是判断哪一步该交出去、哪一步必须自己盯住——尤其是特征工程边界、验证逻辑一致性、还有模型落地时那个没人提醒你的格式转换坑。
