MLFriend：面向事件驱动时间序列数据的交互式预测任务推荐
机器学习
2019-07-01 v1 信息检索
机器学习
摘要
机器学习中的多数自动化聚焦于模型选择与超参数调优，许多工作忽视了自动定义预测任务的挑战。我们仍严重依赖人类专家来定义预测任务，并通过聚合原始数据生成标签。本文中，我们应对在事件驱动时间序列数据上定义有用预测问题的挑战。我们引入 MLFriend 以解决该挑战。MLFriend 首先在给定的预定义空间下生成所有可能的预测任务，随后与数据科学家交互以学习数据上下文，并从空间中所有任务里推荐优良预测任务。我们在三个不同数据集上评估我们的系统，共生成 2885 个预测任务并求解。其中 722 个被专家数据科学家判定为有用。我们还展示了一个自动预测任务发现系统能够在 100 个任务的一批中识别出用户可能喜欢的前 10 个任务。
引用
@article{arxiv.1906.12348,
title = {MLFriend: Interactive Prediction Task Recommendation for Event-Driven Time-Series Data},
author = {Lei Xu and Shubhra Kanti Karmaker Santu and Kalyan Veeramachaneni},
journal= {arXiv preprint arXiv:1906.12348},
year = {2019}
}
备注
12 pages