我想使用 tpot。我拥有的数据仅包括多输出连续变量（即输出形状为：（n_samples，n_output_variables），其中所有项目都是浮点数）。
这可以使用 sklearn 的 MultiOutputRegressor 类来实现。但是因为我有超过 100 个不同的输出变量，我想避免为每个单独的输出应用 tpot。
现在，如何使用 tpot 只搜索多输出模型？有没有办法告诉 tpot 只应该使用多输出模型（例如决策树）？
【问题讨论】：
标签： python machine-learning scikit-learn automl tpot
您有一个多输出回归问题。我建议你检查这个答案：Multi-output regression。
有一些回归器本身支持目标上的多个输出，例如 KNeighborsRegressor、DecisionTreeRegressor、GradientBoostingRegressor、ExtraTreesRegressor 和 RandomForestRegressor。如果您使用前面提到的 MultiOutputRegressor，则其他（如 SGDRegressor、ElasticNetCV 等）可以与多个输出一起使用。
目前 TPOT 可以与所有原生支持多输出的回归器一起使用，但您必须为此调整文件，因为它尚未实现，请查看 https://github.com/EpistasisLab/tpot/issues/971。如果您想将其他回归量（单输出）与 MultiOutputRegressor 进行比较，TPOT 目前只允许您一次选择一个。也就是说，您可以只指定几种算法中的一种，然后搜索最佳管道。然后你可以用另一种算法重新运行。
关于指定要搜索的算法的问题：首先查看官方文档并阅读自定义 TPOT 的运算符和参数部分。如果您只想使用某些特定算法，实现此目的的一种方法是复制用于回归的标准 TPOT 配置 (https://github.com/EpistasisLab/tpot/blob/master/tpot/config/regressor.py)，将其包含在您的代码中并取消注释（或添加）您不使用的所有算法（或做）想要包含在您的搜索中。
【讨论】：