TF之AutoML框架：AutoML框架的簡介、特點、使用方法詳細攻略

?

目錄

AutoML框架的簡介

AutoML框架的特點

AutoML框架的使用方法

AutoML VS AutoKeras 框架

---

?

?

AutoML框架的簡介

AutoML官網：https://www.automl.org/

? ? ? 自動化機器學習，簡單來說就是一種自動化任務的方法：預處理并清理數據、選擇并構建適當的功能、選擇合適的模型系列、優化模型超參數、后處理機器學習模型、批判性地分析所獲得的結果。

? ? ? ? ?在機器學習自動化方面，谷歌的 AutoML 無疑地位穩固。AutoML 基于谷歌最新的圖像識別技術神經架構搜索（ Neural Architecture Search ，NAS）。NAS 是一種算法，會根據特定數據集搜索最佳神經網絡架構，以在該數據集上執行特定任務。AutoML 是一套機器學習工具，可以輕松訓練高性能深度網絡，而無需用戶掌握深度學習或 AI 知識，所有你需要的只是標記數據！

? ? ?AutoML是為非ML專家提供機器學習的方法和過程，以提高ML的效率，加速機器學習的研究。ML近年來取得了相當大的成就，越來越多的學科依賴于它。然而，這一成功至關重要地依賴于人類學習專家執行手動任務。由于這些任務的復雜性常常超出非ML專家，ML的應用的快速增長產生了對現成的機器學習方法的需求，這些方法可以容易地使用且無需專家知識。我們稱之為以機器學習自動化的漸進自動化為目標的研究領域。

? ? ?AutoML可以幫助選擇模型并選擇超參數。這個術語多被用來描述模型選擇和/或超參數優化的自動化方法。這些方法適用于許多類型的算法，例如隨機森林，梯度增強機器，神經網絡等，AutoML庫、研討會、研究和競賽都可以被囊括進這一領域。

理解：一般情況下，進行機器學習首先需要大量的訓練數據，再由機器學習工程師/數據科學家對數據進行分析，設計算法形成訓練模型；這需要大量的專業知識。但是，如果使用AutoML，就像是在使用一個工具，我們只需要將訓練數據集傳入AutoML，那么這個工具就會自動幫我們生成參數和模型，形成訓練模型，這樣即使不具備機器學習方面深入的專業知識也可以進行機器學習方面的工作。

1、AutoML庫：包括auto-sklearn（將AutoWEKA擴展為python）、H2O AutoML和TPOT。 AutoML.org（以前稱為ML4AAD，用于自動算法設計的機器學習）自2014年以來，一直被用在ICML等機器學習學術會議上。
(1)、在谷歌發布AutoML之前，業內已經存在不少AutoML庫。其中最早的是2013年發布的AutoWEKA，其可以自動選擇模型并選擇超參數。
2、Cost：AutoML價格也并不算親民，每小時收費20美元。
(1)、此外，一旦你開始訓練，則無法導出模型，并且得用谷歌提供的API在云上運行你的網絡，這些限制看起來都不是很方便

?

AutoML框架的特點

1、機器學習(Machine Learning, ML)近年來取得了相當大的成功，越來越多的學科需要依賴它。然而，這個成功的關鍵是需要人類機器學習工程師完成以下的工作：

• 預處理數據
• 選擇適當的功能
• 選擇一個適當的模型選擇系列
• 優化模型超參數
• 后處理機器學習模型
• 嚴格分析所得的結果

2、AutoML借鑒了機器學習的許多學科，主要是：

• 貝葉斯優化
• 結構化數據和大數據的回歸模型
• Meta 學習
• 轉移學習
• 組合優化

AutoML框架的使用方法

1、AutoML的主要問題可以由三部分構成：特征工程、模型選擇、算法選擇。

(1)、特征工程

特征工程在機器學習中有著舉足輕重的作用。在AutoML中，自動特征工程的目的是自動地發掘并構造相關的特征，使得模型可以有最優的表現。除此之外，還包含一些特定的特征增強方法，例如特征選擇、特征降維、特征生成、以及特征編碼等。這些步驟目前來說都沒有達到自動化的階段。

上述這些步驟也伴隨著一定的參數搜索空間。第一種搜索空間是方法自帶的，例如PCA自帶降維參數需要調整。第二種是特征生成時會將搜索空間擴大。

(2)、模型選擇

模型選擇包括兩個步驟：選擇一個模型，設定它的參數。相應地，AutoML的目的就是自動選擇出一個最合適的模型，并且能夠設定好它的最優參數。

(3)、算法選擇

對于算法選擇，AutoML的目的是自動地選擇出一個優化算法，以便能夠達到效率和精度的平衡。常用的優化方法有SGD、L-BFGS、GD等。使用哪個優化算法、對應優化算法的配置，也需要一組搜索空間。

?

AutoML VS AutoKeras 框架

?	AutoML	AutoKeras
家長	谷歌的TensorFlow	Keras
花費	20 dollar/h	free
開源	No	Yes
基于云	yes（訓練和評價）	No
支持的模型	用于分類的卷積神經網絡（CNN）、循環神經網絡（RNN）、長短期記憶網絡（LSTM）	用于分類的卷積神經網路（CNN）、循環神經網絡（RNN）、長短期記憶網絡（LSTM）
核心技術	帶梯度策略更新的強化學習	高效神經架構搜索（參見《Efficient NeuralArchitecture Search via Parameter Sharing》

?

?

?

?

參考文章
分享一篇比較全面的AutoML綜述
?

總結

以上是生活随笔為你收集整理的TF之AutoML框架：AutoML框架的简介、特点、使用方法详细攻略的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。