自动机器学习

自动化机器学习(英语:Automated machine learning,AutoML)是将机器学习应用于现实世界问题的任务自动化的过程。自动机器学习可能包括从原始数据集开始到构建准备部署的机器学习模型的每个阶段。它简化了机器学习的应用,因为它从数据加载、建模和模型自动简化整个机器学习过程。它可以运行多个模型,并根据最低的均值残差、均方根误差(rmse)、均方误差(mse)、均值绝对误差 (mae)、均方根对数误差 (rmsle)自动选择最好的模型。[1]自动机器学习被提议作为一种基于人工智能的解决方案,以应对应用机器学习日益严峻的挑战。自动机器学习的高度自动化旨在允许非专家使用机器学习模型和技术,而无需他们成为机器学习专家。自动化端到端应用机器学习的过程还提供了产生更简单的解决方案、更快地创建这些解决方案以及通常优于手工设计模型的模型的优势。自动机器学习中使用的常用技术包括超参数优化元学习神经架构搜索

  1. ^ Li et al (2023) Predicting Carpark Prices Indices in Hong Kong Using AutoML, Computer Modeling in Engineering & Sciences, 2022, vol. 134(3), pp. 2247-2282.