实践中的自动化机器学习：现状与近期结果
机器学习
2019-07-22 v1 人工智能
机器学习
摘要
工业与社会数字化的一个主要驱动力是如下信念：数据驱动的模型构建与决策制定有助于实现更高程度的自动化与更明智的决策。从数据构建此类模型通常涉及某种形式的机器学习的应用。因此，具备必要技能的人力需求不断增长。这一需求催生了一个关注全自动拟合机器学习模型的新研究课题——AutoML。本文概述 AutoML 的现状，侧重商业背景下的实际适用性，并提供关于最重要 AutoML 算法的近期基准测试结果。
引用
@article{arxiv.1907.08392,
title = {Automated Machine Learning in Practice: State of the Art and Recent Results},
author = {Lukas Tuggener and Mohammadreza Amirian and Katharina Rombach and Stefan Lörwald and Anastasia Varlet and Christian Westermann and Thilo Stadelmann},
journal= {arXiv preprint arXiv:1907.08392},
year = {2019}
}
备注
Accepted full paper at SDS2019, the 6th Swiss Conference on Data Science