做机器学习模型时，只是融合各种算法，就已经用光了脑细胞？
又或者觉得，数据预处理就是在“浪费时间&Rdquo;？
一位毕业于哥廷根大学、做机器学习的小哥也发现了这个问题：原本只是想设计个模型，结果“实现比设计还麻烦&Rdquo;。
于是他自己动手做了个项目igel （德语中意为“刺猬&Rdquo;，但也是InIT、GeneRate、Evaluate MacHine learning的缩写），无需编写任何多余代码，就能设计出想要的模型。
也就是说，用户只需要知道各种机器学习模型的原理，但不需要再自己动手写代码。
相比于KeRas，这个项目进一步简化了预处理、输入输出的工作，就像“模型包&Rdquo;一样简便。
作者用了两周的时间，做出了项目的1.0版本，一天以内已有842 StaR，目前还在快速上涨中。
由于只是1.0版本，作者表示，这个项目仍然有很大的完善空间。
但就目前的功能来说，已经足够进行基本的机器学习建模了。
“让机器学习生产变得自动化&Rdquo;
作者建立这个项目的初衷，是希望为所有人提供机器学习模型。
无论是技术向工程师、还是非技术向的其他行业用户，都能使用机器模型让自己的工作更简单。
说白了，就是将机器学习变成一个“自动化&Rdquo;的过程，而他也这么设计了。
项目igel包含了当前最新的所有机器学习模型（回归、分类、聚类），而且作者表示，项目还在持续更新中。
也就是说，后续如果还有更新的机器学习模型，也会再加进项目。
模型目前支持的功能有以下几种：
支持所有最新的机器学习模型（甚至是预览模型）
支持不同的数据预处理方法
在编写配置时提供灵活性和数据控制
支持交叉验证
支持yaMl和json格式
支持不同的skleaRn指标以进行回归，分类和聚类
支持多输出/多目标回归和分类
支持多处理并行模型构建
可以看出，作者为了偷懒让机器学习生产变得更简洁，也是操碎了心。
如果要上手的话，也非常简便。
6步上手“模型包&Rdquo;
与其他程序一样，作者为这个程序提供了“帮助&Rdquo;菜单，只需要输入“igel -h&Rdquo; （或igel -help），就能了解它的使用方法。
学习完使用方法后，就可以开始创建配置文件了，无论是yaMl还是json格式，都ok。
如果你是个“懒癌患者&Rdquo; （像作者一样），可以使用“igel inIT&Rdquo;来初始化。
例如，想做个判断“是否生病&Rdquo;功能的配置文件：
第一步，选择功能、模型、目标：igel inIT -type “claSSification&Rdquo; -Model “NeuRalNetwoRk&Rdquo; -taRget “SiCk&Rdquo;
第二步，初始化：igel inIT
那么，程序就会给你生成一份配置文件，根据需要进行修改。
在那之后，就是选择具体的算法参数、并提供你所选的数据集了。
例如，想用随机森林处理数据，那么，只需要提供参数给系统（以及数据集、配置文件路径），它就会帮你训练：
此外，还可以对模型/预训练模型进行评估：
感觉不错？生成预测模型：
直接用起来：
简单6步，机器模型（预览模型）就已经生成了，非常方便。
作者介绍 
Nidhal BaCCOuRi，于今年4月在德国哥廷根大学取得硕士学位，研究方向是软件、控制工程和人工智能。
目前，Nidhal BaCCOuRi在汽车行业工作，研究方向是数字双胞胎技术，会同时应用人工智能和物联网的知识。业余时间，他喜欢做做项目，尤其是与AI和Python相关的项目。
项目地址：
https://Github.coM/nidhaloFF/igel
