朴素自动化机器学习——AutoML的一个迟来的基线
机器学习
2021-03-22 v1
摘要
自动化机器学习（AutoML）是在给定数据集上自动寻找具有最佳泛化性能的流水线的问题。过去十年中AutoML受到极大关注，并借助贝叶斯优化、基于文法的遗传算法和树搜索算法等复杂的黑盒优化技术加以解决。与这些方法相反，我们提出朴素AutoML，一种非常简单的AutoML解决方案，它利用关于机器学习问题的重要元知识，并做出简化但有效的假设以快速得到高质量解。尽管朴素AutoML可被视为高度复杂黑盒求解器的基线，我们经实验表明那些求解器并不能超越朴素AutoML；有时情况恰恰相反。另一方面，朴素AutoML具有可解释性和灵活性等显著优势，并对当前工具构成强力挑战。
引用
@article{arxiv.2103.10496,
title = {Naive Automated Machine Learning -- A Late Baseline for AutoML},
author = {Felix Mohr and Marcel Wever},
journal= {arXiv preprint arXiv:2103.10496},
year = {2021}
}