FitRank

Comparaison de modèles scikit-learn reproductible, pilotée par la configuration. Aucun prétraitement caché.

FitRank entraîne plusieurs modèles scikit-learn sur vos données tabulaires, optimise les hyperparamètres de chacun et les classe dans un tableau. Toute l'expérience tient dans un fichier YAML : relancez-la le mois prochain, ou envoyez-la à un collègue, vous obtenez le même classement.

data:
  path: iris.csv
  target: species         # la colonne à prédire
task: classification
models:
  - name: logistic_regression
  - name: decision_tree
  - name: svm

pip install fitrank
fitrank run fitrank.yaml

Ou essayez-le dans votre navigateur, sans rien installer : ouvrez le notebook dans Colab et exécutez toutes les cellules (environ 2 minutes).

Ce que FitRank garantit

• Les mêmes conditions pour chaque modèle. Même découpage entraînement/test, mêmes plis de validation croisée, même métrique. Les modèles sont classés sur le score de validation croisée ; le score de test est affiché, jamais utilisé pour choisir.
• Aucune transformation n'est appliquée à vos données sans que vous l'ayez déclarée. Les valeurs manquantes et les colonnes texte sont signalées avec le YAML qui les corrige ; FitRank ne remplit, ne supprime et n'encode jamais rien de lui-même.
• Aucune fuite de données. Le prétraitement vit dans le pipeline : il est appris sur les plis d'entraînement seulement.
• Un modèle qui échoue n'arrête jamais l'exécution. Il est marqué failed dans le classement, avec son erreur.
• Des erreurs claires. Chaque message dit ce qui ne va pas, où (clé YAML ou colonne) et comment corriger, sans afficher la pile d'appels (traceback).

Pourquoi FitRank ?

	FitRank	LazyPredict	PyCaret	AutoML (auto-sklearn, FLAML, AutoGluon…)
Classe beaucoup de modèles en une exécution	✅	✅	✅	✅ (vise un seul modèle final ou un ensemble)
Recherche d'hyperparamètres par modèle	✅ chaque modèle	optionnelle, les meilleurs modèles après le classement	✅ étape séparée	✅
Toute l'expérience dans un fichier YAML	✅	❌	❌	❌
Prétraitement seulement s'il est déclaré	✅	❌ (impute, normalise et encode toujours)	❌ (impute et encode par défaut)	❌
Qui décide du pipeline	vous	la bibliothèque	vous ou la bibliothèque	la bibliothèque

Utilisez autre chose si vous voulez le meilleur score possible sans effort (→ un outil d'AutoML) ou une plateforme low-code complète avec déploiement (→ PyCaret).

Installation

pip install fitrank

Python 3.10 à 3.13. Les fichiers Excel demandent pip install "fitrank[excel]", les fichiers Parquet pip install "fitrank[parquet]".

Pour continuer

• Démarrage rapide : une première exécution, le classement et le dossier de résultats.
• Référence de la configuration : chaque clé YAML, son type et sa valeur par défaut.
• Modèles : les modèles fournis, n'importe quelle classe scikit-learn, vos propres modèles.
• Ligne de commande et API Python.
• Guides : Classification ou régression ? et Choisir une métrique.
• FAQ.

FitRank est open source (MIT). Le code, les tickets et le journal des modifications sont sur GitHub.