FrugalML：如何更准确且更廉价地使用ML预测API
机器学习
2020-06-16 v1 计算机科学与博弈论
机器学习
摘要
收费的预测API是一个快速增长的行业，也是机器学习即服务的重要组成部分。尽管有许多此类服务可用，但其价格和性能的异质性使得用户难以决定针对自身数据和预算使用哪个API或API组合。我们通过提出FrugalML迈出了应对这一挑战的第一步，这是一个原则性框架，它联合学习每个API在不同数据上的优势与劣势，并执行高效优化，以自动识别在预算约束内自适应使用可用API的最佳顺序策略。我们的理论分析表明，可以利用公式中的自然稀疏性使FrugalML高效。我们使用来自Google、Microsoft、Amazon、IBM、Baidu及其他提供商的ML API，针对面部情绪识别、情感分析和语音识别等任务进行了系统性实验。在各种任务中，FrugalML可在匹配最佳单一API准确度的同时实现高达90%的成本降低，或在匹配最佳API成本的同时实现高达5%的准确度提升。
引用
@article{arxiv.2006.07512,
title = {FrugalML: How to Use ML Prediction APIs More Accurately and Cheaply},
author = {Lingjiao Chen and Matei Zaharia and James Zou},
journal= {arXiv preprint arXiv:2006.07512},
year = {2020}
}