通过树基管道优化实现生物医学数据科学自动化

过去十年间，数据科学与机器学习已从一种神秘的艺术形式发展成为学术、商业和政府各领域中的常用工具。本文引入树基管道优化（tree-based pipeline optimization）的概念，以自动化机器学习中最繁琐的环节之一——管道设计。我们实现了树基管道优化工具（TPOT），并在一系列模拟与真实世界遗传数据集上展示了其有效性。特别地，我们表明 TPOT 能够构建达到具有竞争力分类精度的机器学习管道，并发现新颖的管道算子——例如合成特征构造器——显著提升了这些数据集上的分类精度。我们还强调了当前管道优化面临的挑战，例如倾向于产生过拟合数据的管道，并提出了克服这些挑战的未来研究路径。因此，本工作代表了迈向完全自动化机器学习管道设计的早期一步。