复合数据驱动模型的多目标进化设计
神经与进化计算
2021-05-19 v2 人工智能
机器学习
摘要
本文提出了一种用于设计复合数据驱动数学模型的多目标方法。该方法能够自动识别由不同模块（如机器学习模型、数据预处理模块等）组成的基于图结构的异构流水线。所实现的方法基于一种名为 GPComp@Free 的、用于模型设计的无参数遗传算法（GA）。其开发旨在作为自动化机器学习（AutoML）解决方案的一部分，并提升建模流水线自动化的效率。为验证所提方法的正确性与效率并佐证所选方案，进行了一系列实验。实验结果证实，模型设计的多目标方法能够获得具有更好多样性与质量的模型。所实现的方法已作为开源 AutoML 框架 FEDOT 的一部分提供。
引用
@article{arxiv.2103.01301,
title = {Multi-Objective Evolutionary Design of Composite Data-Driven Models},
author = {Iana S. Polonskaia and Nikolay O. Nikitin and Ilia Revin and Pavel Vychuzhanin and Anna V. Kalyuzhnaya},
journal= {arXiv preprint arXiv:2103.01301},
year = {2021}
}