AutoSmart：一个面向时序关系数据的高效自动机器学习框架
机器学习
2021-09-10 v1
摘要
时序关系数据可能是工业机器学习应用中最常用的数据类型，它需要劳动密集型的特征工程和数据分析才能给出精确的模型预测。需要一个自动机器学习框架来减轻模型微调中的人工工作，以便专家能够更多地专注于真正需要人类参与的其他问题，例如问题定义、部署和业务服务。然而，为时序关系数据构建自动化解决方案面临三个主要挑战：1）如何有效且自动地从多个表及其关系中挖掘有用信息？2）如何自我调节以将时间和内存消耗控制在特定预算内？3）如何为广泛的任务提供通用解决方案？在这项工作中，我们提出了我们的解决方案，以端到端的自动方式成功解决了上述问题。所提出的框架 AutoSmart 是 KDD Cup 2019 自动机器学习赛道的获胜解决方案，该赛事是迄今为止规模最大的 AutoML 竞赛之一（860 支队伍，约 4,955 次提交）。该框架包括自动数据处理、表合并、特征工程和模型调优，并配有一个时间和内存控制器，用于高效且自动地构建模型。所提出的框架在多个不同领域的数据集上显著优于基线解决方案。
引用
@article{arxiv.2109.04115,
title = {AutoSmart: An Efficient and Automatic Machine Learning framework for Temporal Relational Data},
author = {Zhipeng Luo and Zhixing He and Jin Wang and Manqing Dong and Jianqiang Huang and Mingjian Chen and Bohang Zheng},
journal= {arXiv preprint arXiv:2109.04115},
year = {2021}
}
备注
Accepted in the ADS track at the SIGKDD 2021 conference