AutoML综述
来源:成都达内教育IT培训机构时间:2021/9/14 10:27:45
AutoML综述
AutoML的出现原因
机器学习的应用需要大量的人工干预,表现在机器学习的各个方面,如特征提取、模型选择、参数调整等。AutoML尝试自动学习与特征、模型、优化和评估相关的重要步骤,使得无需人工干预就能应用机器学习模型。
AutoML问题定义
1.从机器学习的角度来看,AutoML可以看作是一个学习和泛化给定数据和任务的强大系统。但它强调它必须非常容易使用;
2.从自动化角度看,AutoML可以看作是设计一系列控制系统来操纵机器学习模型,使模型能够自动地学习适当的参数和配置,而不需要人工干预。
基本优化策略
当搜索空间确定后,我们可以使用实用的优化器(optimizer)进行优化。在此,AutoML主要回答三个问题:
·选择的优化器可以在哪个搜索空间工作?
·需要什么样的反馈?
·它需要什么样的配置才能取得良好的效果?
简单的优化搜索方法包括GridSearch和RandomSearch。GridSearch被广泛使用。
优化样品的方法主要包括启发式搜索、derivative-free优化和强化学习方法。梯度下降是一种重要的优化策略。
应用
使用Auto-sklearn选择模型;
NeuralArchitectureSearch采用强化学习;
利用ExploreKit构建自动特征。
尊重原创文章,转载请注明出处与链接:http://www.peixun360.com/3857/news/409950/违者必究!
以上就是成都达内教育IT培训机构 小编为您整理 AutoML综述的全部内容。