OpenML上机器学习实验的自动探索
机器学习
2018-10-22 v3 数据库
机器学习
摘要
理解超参数对机器学习算法性能的影响本身是一个重要的科学课题，并有助于改进自动超参数调优过程。遗憾的是，用于此目的实验元数据仍然稀少。本文提出了一个解决此问题的大型、免费且开放的数据集，包含38个OpenML数据集、六种不同机器学习算法以及众多不同超参数配置上的结果。结果由一种称为OpenML随机机器人(OpenML Random Bot)的自动化随机采样策略生成。每种算法在每个数据集上以不同超参数设置进行了最多20,000次交叉验证，总体上产生了一个约250万次实验的元数据集。
引用
@article{arxiv.1806.10961,
title = {Automatic Exploration of Machine Learning Experiments on OpenML},
author = {Daniel Kühn and Philipp Probst and Janek Thomas and Bernd Bischl},
journal= {arXiv preprint arXiv:1806.10961},
year = {2018}
}
备注
6 pages, 0 figures