开源与本地工具 · 工具介绍
PyCaret
可自托管的机器学习平台，用网页管理数据集、实验、模型注册和预测部署。
PyCaret 能做什么
可自托管的机器学习平台，用网页管理数据集、实验、模型注册和预测部署。
- 模型训练与部署
如何使用 PyCaret
从数据集训练并发布预测模型
准备输入
- Docker 环境与有权使用的 CSV 数据集
- 预测任务类型和目标列
操作步骤
- 按安装说明启动服务，创建管理员账号、工作区和项目。
- 上传数据集，选择分类、回归等任务及目标列，运行实验。
- 查看候选模型表现，将选中模型登记后部署，并用测试数据验证预测接口。
预期交付物
- 实验记录、注册的模型版本及预测部署
不同版本的安装与操作方式可能不同；正式暴露接口前检查认证、数据权限和预测误差，可选模型咨询功能另需模型服务。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从开源与本地工具角度评估PyCaret
把开源与本地工具需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
本地运行到哪一步
区分本地界面、本地处理和外部API；不能只看名称判断数据去向。
环境是否匹配
检查系统、内存、磁盘和依赖，按官方要求判断能否运行。
后续是否可维护
确认许可证、配置保存、数据导出与版本更新方法。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
