DeepLine：基于深度强化学习与分层动作过滤的自动化机器学习流水线生成工具
机器学习
2019-11-04 v1 人工智能
机器学习
摘要
自动机器学习（AutoML）是一个旨在将目前需要人类专家的机器学习（ML）活动自动化的研究领域。该领域最具挑战性的任务之一是端到端 ML 流水线的自动生成：将多种类型的 ML 算法组合成单一架构，用于对未知数据进行端到端分析。该任务有两个挑战性方面：其一是需要探索算法与流水线架构的巨大搜索空间；其二是训练与评估多个流水线的计算成本。在本研究中，我们提出 DeepLine，一种基于强化学习的自动流水线生成方法。我们所提方法利用了搜索空间的高效表示，并借助先前分析过的数据集所获得的经验知识使问题更易于处理。此外，我们提出了一种新颖的分层动作算法作为插件，在深度强化学习问题中中介环境—智能体交互。该插件显著加快了模型的训练过程。在 56 个数据集上的评估表明，DeepLine 在准确率和计算成本上均优于当前最优（SOTA）方法。
引用
@article{arxiv.1911.00061,
title = {DeepLine: AutoML Tool for Pipelines Generation using Deep Reinforcement Learning and Hierarchical Actions Filtering},
author = {Yuval Heffetz and Roman Vainstein and Gilad Katz and Lior Rokach},
journal= {arXiv preprint arXiv:1911.00061},
year = {2019}
}