【综述】自动机器学习AutoML最新65页综述,带你了解最新进展

【导读】自动机器学习(Automated Machine Learning)越来越受到研究者重视,本文为大家带来关于AutoML的最新综述,跟踪领域发展现状。


介绍:


机器学习已成为现代人们数字生活必不可少的组成元素,受到广大研究人员的重视。 但是,算法模型的构建过程,需要高级技术专家以及业务专家的深度参与。AutoML旨在降低数据科学知识在模型训练过程中的使用门槛,使领域专家在不需要额外技术背景的前提下,根据业务场景自动构建各类可用模型。在这篇综述中,我们总结了最近学术、工业界中关于AutoML的发展。首先,我们提供了此类问题的全面表述;接下来,介绍了各类子问题的多种技术方法;最终,为各类方法提供一组实验评估结果。

原文链接:

https://arxiv.org/pdf/1904.12054.pdf

在构建机器学习处理流程过程中,需要大量有经验专家的深度参与:一方面需要数据科学家提供深入的机器学习算法知识;另一方面,又需要领域专家提供本场景下,长期积累到的特殊领域知识。经过协同合作,这些专家的知识将有效构建出一个实用的机器学习应用,进而经过大量“领域驱动”的特征工程以及调试优化,这个应用将呈现出难以置信的预测能力。通常来说,这种应用的构建,意味着非常复杂的处理任务,同时需要投入长期的优化、训练工作。


为了解决以上问题,研究人员们提出了AutoML设想,期望能够简化机器学习应用的训练过程,自动构建可用算法模型,通过对各类基础任务(如,超参优化)的自动迭代,使得模型达到更高的处理性能。


需要注意的是,AutoML并不是一个很新的概念。从上世纪90年代开始,便逐渐有相关研究出现,随着多年发展,在这一领域中,已经有了大量的可用成果积累。随着人工智能的兴起,这一领域也逐渐从一个小众领域变得受众广泛,吸引了更多研究人员的投入。


本篇综述的贡献如下:

  • 针对AutoML的创建过程,提供了完整的数学表述。

  • 针对AutoML中的每一步技术,提供综述性内容。

  • 针对本文中的各类方法,进行全面的实验评估。


AutoML子问题划分:


常见AutoML配置:


请关注专知公众号(点击上方蓝色专知关注

  • 后台回复“AutoMLSV”就可以获取AutoML最新综述文章下载链接~

附论文全文:

-END-

专 · 知

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎登录www.zhuanzhi.ai,注册登录专知,获取更多AI知识资料!

欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询!

请加专知小助手微信(扫一扫如下二维码添加),加入专知人工智能主题群,咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成!530+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!

点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

展开全文
Top
微信扫码咨询专知VIP会员