测试 AutoML 系统的鲁棒性
机器学习
2020-07-24 v2 机器学习
摘要
自动化机器学习（AutoML）系统旨在寻找最佳机器学习（ML）流水线，以自动匹配手头的任务与数据。我们研究了由三种 AutoML 系统（TPOT、H2O 和 AutoKeras）生成的机器学习流水线的鲁棒性。具体而言，我们研究了脏数据对准确率的影响，并探讨了使用脏训练数据如何有助于创建更具鲁棒性的解决方案。此外，我们还分析了在不同情况下所生成流水线的结构差异。
引用
@article{arxiv.2005.02649,
title = {Testing the Robustness of AutoML Systems},
author = {Tuomas Halvari and Jukka K. Nurminen and Tommi Mikkonen},
journal= {arXiv preprint arXiv:2005.02649},
year = {2020}
}
备注
In Proceedings AREA 2020, arXiv:2007.11260