VecML AutoML — 一键式机器学习管道

通过一条命令从任意CSV文件训练模型。无需配置，无需笔记本，无需样板代码。

设置（一次性）

bash
export VECMLAPIKEY=vmlyourkey_here

训练模型

只需指定CSV文件并告知要预测的目标列：

bash
python3 ~/.openclaw/workspace/skills/vecml-automl/vecml-pipeline.py train data.csv --target Survived

就这样。它将：

1. 1. 自动检测分类列与数值列
2. 拆分特征和标签
3. 在VecML上创建项目
4. 上传数据（base64编码）
5. 等待标签附加（避免异步竞态错误）
6. 训练模型
7. 显示验证指标（准确率、AUC、F1、精确率、召回率）
8. 以可视化条形图显示特征重要性

选项

bash
python3 vecml-pipeline.py train data.csv \
--target target_column \
--task classification # 或 regression
--mode balanced # highspeed | balanced | highaccuracy
--project myproject # 默认：openclawautoml
--collection my_dataset # 默认：根据文件名自动生成
--model mymodelv1 # 默认：自动生成

运行预测

bash
python3 vecml-pipeline.py predict newdata.csv --model mymodel --collection my_dataset

结果自动保存到 newdatapredictions.csv。

列出模型

bash
python3 vecml-pipeline.py models --collection my_dataset

特征重要性

bash
python3 vecml-pipeline.py importance --model mymodel --collection mydataset

示例输出

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🧠 VecML AutoML 训练管道
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📄 文件： titanic.csv
🎯 目标列： Survived
📊 任务： classification
⚡ 模式： balanced

[1/6] 创建项目... ✅
[2/6] 上传特征... ✅ 完成！(1.2秒)
[3/6] 附加标签... ✅ 完成！(0.8秒)
[4/6] 训练模型... ✅ 完成！(3.5秒)
[5/6] 验证指标：
│ accuracy 0.8101 ████████████████
│ auc 0.8798 █████████████████
│ macro_f1 0.7947 ███████████████
[6/6] 特征重要性：
│ 🥇 Fare 0.7294 ██████████████
│ 🥈 Age 0.6019 ████████████
│ 🥉 Sex 0.2732 █████

✅ 完成！准确率：81.01% AUC：87.98%
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

用于OpenClaw代理使用

当用户发送CSV文件或要求训练模型时，运行：

bash
export VECMLAPIKEY=vmlyourkey_here
python3 ~/.openclaw/workspace/skills/vecml-automl/vecml-pipeline.py train /path/to/their/file.csv --target theirtargetcolumn

如果用户未指定目标列，先读取CSV表头并询问他们想要预测哪一列：

bash
head -1 /path/to/file.csv

然后使用用户选择的目标列运行管道。