> For the complete documentation index, see [llms.txt](https://www.nhasachso.io.vn/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://www.nhasachso.io.vn/truc-tuyen/interactive-blocks-1/tac-gia/nguyen-hong-phuong/sach-cong-cu-ai-python/phan-6-tu-dong-hoa-va-phan-tich-du-lieu/automl-libraries-h2o.ai-auto-sklearn-tpot.md).

# Automl Libraries: H2O.ai, Auto-sklearn, TPOT

#### **AutoML Libraries: H2O.ai, Auto-sklearn, TPOT**

**Mục tiêu:** AutoML giúp **tự động hóa quá trình xây dựng mô hình học máy**, từ chọn đặc trưng, tiền xử lý, lựa chọn mô hình đến tối ưu siêu tham số – tiết kiệm thời gian và công sức cho cả nhà khoa học dữ liệu lẫn lập trình viên Python.

***

**🔧 1. H2O.ai (H2O AutoML)**

* Một nền tảng **mạnh mẽ và phổ biến**, hỗ trợ cả Python, R và Web GUI.
* Cho phép tự động thử nhiều mô hình (GBM, XGBoost, GLM, Deep Learning) và chọn ra mô hình tốt nhất.
* Hỗ trợ xuất mô hình sang định dạng triển khai (MOJO, POJO).
* Thích hợp cho các hệ thống lớn, xử lý phân tán (Spark, Hadoop).

**Ví dụ khởi tạo đơn giản:**

```python
import h2o
from h2o.automl import H2OAutoML

h2o.init()
data = h2o.import_file("data.csv")
train, test = data.split_frame([0.8])
aml = H2OAutoML(max_models=10, seed=1)
aml.train(y="label", training_frame=train)
```

***

**🔧 2. Auto-sklearn**

* Thư viện mở rộng từ **scikit-learn**, tập trung vào tự động lựa chọn mô hình và điều chỉnh siêu tham số.
* Sử dụng kỹ thuật **Bayesian Optimization** và **Meta-learning**.
* Phù hợp cho các bài toán cơ bản như phân loại và hồi quy.

**Ví dụ sử dụng:**

```python
import autosklearn.classification
cls = autosklearn.classification.AutoSklearnClassifier(time_left_for_this_task=60)
cls.fit(X_train, y_train)
```

***

**🔧 3. TPOT (Tree-based Pipeline Optimization Tool)**

* Dựa trên **giải thuật di truyền** để tìm kiếm pipeline tối ưu.
* Tạo ra **mã Python hoàn chỉnh** của pipeline sau khi huấn luyện.
* Phù hợp cho người muốn hiểu rõ pipeline mà không tự viết từng bước.

**Ví dụ dùng TPOT:**

```python
from tpot import TPOTClassifier
tpot = TPOTClassifier(generations=5, population_size=50, verbosity=2)
tpot.fit(X_train, y_train)
tpot.export('best_pipeline.py')
```

***

#### ✅ **So sánh nhanh**

| Thư viện         | Ưu điểm chính                       | Phù hợp với                        |
| ---------------- | ----------------------------------- | ---------------------------------- |
| **H2O.ai**       | Mạnh mẽ, hỗ trợ mô hình sâu, UI đẹp | Dự án lớn, triển khai doanh nghiệp |
| **Auto-sklearn** | Dễ tích hợp với scikit-learn        | Bài toán cơ bản, học thuật         |
| **TPOT**         | Sinh mã Python, pipeline rõ ràng    | Người mới học, học từ mô hình      |

***