在这篇文章中，我们将看到我们如何自动化任何与机器学习相关的任务，包括许多步骤、如清理数据集、选择模型、确定模型的正确配置、确定最相关的特征等很多步骤等等。这个项目的目标是将所有这些自动化，直到数据科学家所需要做的就是告诉机器使用数据集执行某些任务，然后等待它自己学习如何执行。
基本上，在这里我们试图使用streamlit 框架工作来实现一个web应用程序：首先，我们需要这个项目的一些软件包。
Packages:
Plan Of Attack:
接下来，我们将为每个数据导入、探索性数据分析和模型构建创建单独的类。这里我们考虑如果因变量是二进制的，那么我们的web应用程序将显示这是一个分类问题，它将向用户推荐分类相关的模型，否则它将向用户推荐基于回归的模型。
接下来，我们将创建一个主函数，在这个函数下，我们将使用 streamlit 创建拖放菜单栏，并逐个调用我们之前已经创建的所有类。
接下来，我们将为用户创建登录和注册页面，我们将使用sqlite3数据库存储用户名和密码，这里我们将在登录页面中使用sha256算法进行加密。
Login Page Design（登录页面设计）:
Deployment（部署）:
我们已经在 streamlit 中部署了我们的网络应用程序，您可以使用以下链接查看它：
https://kaustavsunny-automl-python-app-222-atsl4m.streamlitapp.com/
有关代码的详细信息，您可以查看GitHub链接：
https://github.com/Kaustavsunny/AutoML-python
