AutoKaggle项目安装与配置指南

AutoKaggle项目安装与配置指南

AutoKaggle 项目地址: https://gitcode.com/gh_mirrors/au/AutoKaggle

1. 项目基础介绍

AutoKaggle是一个面向数据科学家，通过多代理协作系统自动完成数据科学管道的开源框架。它结合了迭代开发、全面测试和机器学习工具库，用于自动化Kaggle竞赛，同时保持了高度的可定制性。项目主要用于自动化数据科学竞赛流程，其中包括数据读取、计划制定、开发、评审和总结等多个阶段。

主要编程语言：Python

2. 项目使用的关键技术和框架

• 多代理系统：AutoKaggle通过五个专业化的代理（Reader、Planner、Developer、Reviewer、Summarizer）协同工作，贯穿六个关键竞赛阶段。
• 迭代开发与单元测试：通过调试和全面单元测试，确保代码的健壮性。
• 机器学习工具库：提供验证过的数据清洗、特征工程和建模功能。
• 全面报告：详细记录工作流程和决策过程。

3. 项目安装和配置的准备工作

在开始安装之前，请确保您的系统满足以下要求：

• Python 3.11
• Conda（用于Python环境管理）
• Git（用于克隆仓库）

安装步骤

1. 克隆项目仓库

   打开命令行，执行以下命令以克隆项目仓库：

   git clone https://github.com/multimodal-art-projection/AutoKaggle.git
   

2. 创建并激活Conda环境

   克隆完成后，进入项目目录，并创建一个名为AutoKaggle的Conda环境：

   cd AutoKaggle
   conda create -n AutoKaggle python=3.11
   conda activate AutoKaggle
   

3. 安装依赖

   在激活的环境中，执行以下命令安装项目所需的依赖：

   pip install -r requirements.txt
   

4. 配置OpenAI API

   创建一个名为api_key.txt的文件，并填入您的OpenAI API密钥和基础URL：

   sk-xxx                           # 替换为您的API key
   https://api.openai.com/v1       # 基础URL
   

5. 准备数据集

   将Kaggle竞赛的数据集放在./multi_agents/competition/目录下，数据集应包含以下文件：

   • train.csv
   • test.csv
   • sample_submission.csv
   • overview.txt（竞赛概述和数据描述）

   请确保overview.txt文件中复制并粘贴了Kaggle竞赛主页上的“Overview”和“Data”部分。

6. 运行AutoKaggle

   使用以下命令运行AutoKaggle实验：

   bash run_multi_agent.sh
   

按照以上步骤操作，您将能够成功安装并运行AutoKaggle项目。祝您使用愉快！

AutoKaggle 项目地址: https://gitcode.com/gh_mirrors/au/AutoKaggle