自动机器学习(AutoML)是指自动化执行机器学习各个阶段的技术,其目标是使机器学习工程师、分析师以及非技术专家都能更轻松地开发高质量的机器学习模型。AutoML的主要方法包括:
- 自动特征工程
自动评估各特征的重要性,选择对目标任务最相关的特征子集,简化特征工程流程。
- 自动超参数调优
通过bayes优化、网格搜索等方法自动遍历调整模型的各种超参数,寻找超参数的最优组合。
- 神经网络架构搜索
搜索算法可以自动设计、评估并优化神经网络的网络层数、节点数等架构,得到最佳的模型结构。
- 提升机器学习可解释性
使用学习曲线、特征重要性等技术,使黑盒机器学习模型对用户更可解释。
- 一键化模型生成
提供简洁的接口,使非专业用户只需提供数据,一键即可产出模型,不需了解背后的技术细节。
- 加速模型准确率提升
AutoML系统可以在很短时间内自动遍历许多算法和参数组合,快速获取高质量模型。
- 多种算法融合
组合使用多类机器学习算法的优势,进行集成学习,产生更强大的模型。
自动机器学习正在使AI走向普惠,用户可以更容易地享受AI带来的好处,推动AI应用规模化。