我正在尝试使用Auto ML方法来解决时间序列回归问题，可能会持续进行。我的系统肯定有一些错误的数据，并且似乎随着时间的推移会慢慢更改其参数。因此，我想对最新数据进行更重的加权。我更关心的是使用样本权重进行最终拟合，而不是使用超参数搜索，但是两者都很好。
我在TPOT上取得了一些成功，但是TPOTRegressor.fit（）方法似乎没有sample_weight参数。我也尝试过通过fit（）参数**{'gradientboostingregressor__sample_weight': sample_weight}（其中管道中的最后一个元素是GradientBoostingRegressor），但是它没有任何作用。
AutoML.org提供的产品似乎也不允许样本权重。关于我如何使用某些Auto ML方法做到这一点的任何建议（希望是现成的）？
我认为接下来要研究的是Auto-PyTorch，然后使用WeightedRandomSampler进行最终拟合。