PyCaret 官网

PyCaret 图文介绍：

PyCaret 由加拿大数据科学家 Moez Ali 于 2019 年发起，是全球最受欢迎的低代码 AI 开发框架之一。它将 scikit-learn、XGBoost、LightGBM、CatBoost、Optuna、MLflow 等主流库统一封装成“模块化+管道式”接口，把数据预处理、特征工程、模型选择、超参调优、可视化和部署压缩到 5 行代码以内，帮助数据科学家、开发者和业务分析师将实验周期从数周缩短至数小时。

主要功能

• 低代码建模：setup() 一键完成缺失值填补、类别编码、归一化、训练测试划分；compare_models() 自动训练 20+ 算法并输出排行榜。
• 模块化管道：分类、回归、聚类、异常检测、自然语言处理、时间序列、关联规则六大模块 API 风格一致，可零成本切换任务类型。
• 自动调优：集成 Optuna，tune_model() 实现 Bayesian 超参搜索；blend_models() / stack_models() 自动完成模型融合与堆叠。
• 可解释性：内置 SHAP、LIME、 permutation importance，一行代码生成全局与局部解释图。
• 实验管理：自动对接 MLflow，记录参数、指标、模型和制品；支持 Docker、Kubernetes、AWS SageMaker、Azure ML 一键部署。
• 高级定制：支持自定义算法、自定义评估函数、自定义特征工程步骤，保留底层 scikit-learn 完全兼容。
• 自动清洗：新增 NLP 与 CV 扩展，可处理文本分类、图像分类的低代码场景。

应用场景

• 金融风控：10 分钟搭建信用评分卡，输出可解释报告供审计。
• 医疗预测：快速对比 30 种算法预测 ICU 再入院率，自动生成 SHAP 解释。
• 零售营销：客户细分、关联规则挖掘，输出促销组合建议。
• 工业物联网：异常检测模块实时发现设备故障。
• 高校教学：用 5 行代码演示完整机器学习流程，降低教学门槛。
• 算法竞赛：Kaggle 选手用 PyCaret baseline 进入 Top 10%。

是否收费

• 100 % 开源：核心框架使用 MIT 许可证，可商用、可二次分发。
• 企业支持：官方提供商业订阅（Starter $199/月、Pro $999/月），含 Slack 技术支持、私有镜像、安全扫描与培训。
• 云端镜像：AWS Marketplace 提供预装 GPU 环境，按小时计费，无需手动配置依赖。

平台兼容性

• 操作系统：Windows 10+、macOS 10.14+、Linux（Ubuntu/CentOS）。
• Python 版本：3.7–3.11，推荐 3.9+；支持 Conda、pip、Poetry 安装。
• 依赖生态：自动安装兼容版本的 scikit-learn、XGBoost、LightGBM、CatBoost、Optuna、MLflow、Plotly。
• 云端环境：官方 Jupyter Docker 镜像；与 Google Colab、Kaggle Kernel、AWS SageMaker Studio、阿里 PAI-DSW 一键即用。
• 部署方式：导出为 pickle / ONNX / PMML；提供 FastAPI + Uvicorn 自动生成的 REST 服务；支持批量离线打分与流式在线推理。

其他

社区与生态：GitHub 星标 8k+，全球贡献者 200+；官方文档含 200+ 示例 Notebook 与视频教程；中文社区提供 QQ 群与微信公众号答疑。

PyCaret 以“低代码+模块化”将 scikit-learn 等底层能力封装成一条极简 API，既保留专家级定制空间，又让初学者用 5 行代码跑完整个机器学习生命周期。开源免费、跨平台、云原生，是金融、医疗、零售、工业和教育领域快速建模与教学演示的首选 AI 开发框架。