본문으로 건너뛰기

002 FLAML 설치와 환경 구축

키워드: 설치, 환경구축, pip

개요​

FLAML을 사용하기 위한 첫 번째 단계는 올바른 환경 설정입니다. 이 글에서는 FLAML 설치 방법, 가상환경 구성, 그리고 설치 확인까지 단계별로 알아보겠습니다.

FLAML의 가장 큰 장점 중 하나는 설치가 매우 쉽다는 것입니다. Windows, Mac, Linux 어떤 환경에서도 pip 한 줄로 설치할 수 있습니다.

실습 환경​

  • Python 버전: 3.8 ~ 3.11 (3.11 권장)
  • 운영체제: Windows, macOS, Linux 모두 지원
  • 필요 도구: pip (Python 패키지 관리자)

Python 버전 확인​

FLAML은 Python 3.8 이상을 요구합니다. 먼저 현재 Python 버전을 확인합니다.

python --version
# 002 또는
python3 --version

출력 예시​

Python 3.11.5

Python 3.8 미만이라면 업그레이드가 필요합니다.

가상환경 설정 (권장)​

패키지 충돌을 방지하기 위해 가상환경 사용을 권장합니다.

venv 사용 (Python 내장)​

# 002 가상환경 생성
python -m venv flaml-env

# 002 활성화 (Windows)
flaml-env\Scripts\activate

# 002 활성화 (Mac/Linux)
source flaml-env/bin/activate

conda 사용​

# 002 가상환경 생성
conda create -n flaml-env python=3.11

# 002 활성화
conda activate flaml-env

가상환경이 활성화되면 프롬프트 앞에 (flaml-env)가 표시됩니다.

FLAML 설치​

기본 설치​

가장 기본적인 설치 방법입니다:

pip install flaml

AutoML 기능 포함 설치 (권장)​

AutoML 기능을 사용하려면 추가 의존성이 필요합니다:

pip install flaml[automl]

이 명령어는 다음 패키지들을 함께 설치합니다:

  • lightgbm: LightGBM 모델
  • xgboost: XGBoost 모델
  • catboost: CatBoost 모델 (선택적)

전체 기능 설치​

모든 기능(시계열, NLP 등)을 사용하려면:

pip install flaml[automl,ts_forecast]

설치 옵션 정리​

설치 명령어포함 기능
pip install flaml기본 튜닝 기능
pip install flaml[automl]AutoML + 주요 모델
pip install flaml[ts_forecast]시계열 예측
pip install flaml[nlp]자연어 처리
pip install flaml[automl,ts_forecast]AutoML + 시계열

설치 확인​

버전 확인​

import flaml
print(f"FLAML 버전: {flaml.__version__}")

출력 예시​

FLAML 버전: 2.1.0

간단한 테스트 코드​

설치가 올바르게 되었는지 확인하는 테스트 코드입니다:

from flaml import AutoML
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# 002 데이터 준비
X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42
)

# 002 FLAML AutoML 실행 (5초 제한)
automl = AutoML()
automl.fit(
    X_train, y_train,
    task="classification",
    time_budget=5,
    verbose=0
)

# 002 결과 출력
print(f"최적 모델: {automl.best_estimator}")
print(f"검증 점수: {1 - automl.best_loss:.4f}")

# 002 테스트 세트 예측
from sklearn.metrics import accuracy_score
predictions = automl.predict(X_test)
print(f"테스트 정확도: {accuracy_score(y_test, predictions):.4f}")

실행 결과​

최적 모델: lgbm
검증 점수: 0.9667
테스트 정확도: 1.0000

시간 예산 팁 time_budget=5는 5초 동안 최적 모델을 탐색합니다. 실제 프로젝트에서는 60~300초를 권장합니다.

추가 패키지 설치​

FLAML과 함께 자주 사용되는 패키지들입니다:

pip install pandas numpy matplotlib seaborn scikit-learn

권장 패키지 목록​

패키지용도
pandas데이터 처리
numpy수치 연산
matplotlib시각화
seaborn고급 시각화
scikit-learn데이터 전처리, 평가
shap모델 해석

트러블슈팅​

문제 1: pip 버전 오류​

pip install --upgrade pip
pip install flaml[automl]

문제 2: LightGBM 설치 실패 (Mac M1/M2)​

brew install libomp
pip install lightgbm

문제 3: 의존성 충돌​

# 002 새 가상환경에서 다시 설치
python -m venv flaml-clean
source flaml-clean/bin/activate  # Mac/Linux
pip install flaml[automl]

문제 4: import 오류​

# 002 잘못된 방법
from flaml import automl  # X

# 002 올바른 방법
from flaml import AutoML  # O

requirements.txt 작성​

프로젝트 의존성 관리를 위한 requirements.txt:

flaml[automl]>=2.0
pandas>=1.5
numpy>=1.23
matplotlib>=3.6
seaborn>=0.12
scikit-learn>=1.2

설치 명령:

pip install -r requirements.txt

정리​

  • FLAML은 pip install flaml[automl] 한 줄로 쉽게 설치됩니다.
  • 가상환경 사용을 권장합니다 (venv 또는 conda).
  • Python 3.8 ~ 3.11 버전을 지원하며, 3.11을 권장합니다.
  • Windows, Mac, Linux 모든 운영체제에서 동일하게 작동합니다.
  • 설치 후 간단한 테스트 코드로 정상 작동을 확인하세요.

다음 글 예고​

다음 글에서는 Google Colab에서 FLAML 시작하기에 대해 알아보겠습니다. 별도 설치 없이 브라우저에서 바로 FLAML을 실습하는 방법을 다룹니다.

FLAML AutoML 마스터 시리즈 #002