自动化机器学习：商业分析中的人工智能驱动决策
机器学习
2025-06-03 v2 人工智能
计算工程、金融与科学
摘要
人们意识到人工智能(AI)驱动的决策在当今快节奏且极度竞争的市场中不可或缺，这显著提升了工业界机器学习(ML)应用的兴趣。当前对分析专家的需求远超供给。该问题的一个解决方案是提高ML框架的用户友好性，使其对非专家更易用。自动化机器学习(AutoML)试图通过为模型选择与超参数调优提供全自动的现成解决方案来解决专业知识匮乏的问题。本文分析了AutoML在商业分析中应用的潜力，这有助于提高ML在各行业的采用率。我们在三个真实世界数据集上将H2O AutoML框架与手动调优的堆叠ML模型进行基准对比。手动调优的ML模型在实验所用的三个案例研究中均能达到性能优势。尽管如此，H2O AutoML包被证明相当强大。它快速、易用且提供可靠结果，接近专业调优的ML模型。当前能力的H2O AutoML框架是支持快速原型的宝贵工具，有潜力缩短开发与部署周期。它也能弥合ML专家供需之间的现有鸿沟，是迈向商业分析中自动化决策的一大步。最后，AutoML有潜力在一个迅速自动化与数字化的世界中促进人的赋能。
引用
@article{arxiv.2205.10538,
title = {Automated machine learning: AI-driven decision making in business analytics},
author = {Marc Schmitt},
journal= {arXiv preprint arXiv:2205.10538},
year = {2025}
}