一种面向AutoML真正自动化的自适应近无参数进化计算方法
神经与进化计算
2021-02-11 v1 人工智能
机器学习
摘要
进化计算方法的一个常见主张是，它们无需人工干预即可取得良好结果。然而，对此的一种批评是，仍存在必须调优的超参数才能获得良好性能。在这项工作中，我们提出一种近“无参数”的遗传编程方法，其在进化过程中自适应调整超参数值，而无需手动指定。我们将其应用于自动化机器学习领域（通过扩展TPOT），以生成可有效声称无人工输入的流水线，并表明其结果与使用手工选定超参数值的现有SOTA方法具有竞争力。流水线从随机选择的估计器开始，并自动进化至具有竞争力的流水线。本工作朝着真正自动化的AutoML方法迈进。
引用
@article{arxiv.2001.10178,
title = {An Adaptive and Near Parameter-free Evolutionary Computation Approach Towards True Automation in AutoML},
author = {Benjamin Patrick Evans and Bing Xue and Mengjie Zhang},
journal= {arXiv preprint arXiv:2001.10178},
year = {2021}
}
备注
18 pages (single column), 2 figures