?

摘要：

AutoML作為一個有效的工具可以幫助很多企業(yè)方便地實施和加速人工智能方面的應用落地。對于還不具備數據科學團隊的公司來說，AutoML可以是全自動化的模型構建工具來使用，即便對于具備一定數據科學能力的公司，AutoML仍然可以幫助他們更加專注在人工智能落地中最為重要的事情上。在文本中，主要講解目前常用的四個自動化學習平臺，auto-sklearn, TPOT, auto_ml 和H2O，以及他們之間的性能比較。

?

為什么需要AutoML?

機器學習建模是一個流程化的過程。首先我們需要拿到數據，其次就是數據的預處理、特征工程，接著要做模型的構建，并通過調參的方式來尋找最好的模型參數。如果效果不佳，我們經常需要回到特征工程，重新再走整個的流程。顯然，在實際工程上，我們需要花費大量的精力在這些每個流程上的優(yōu)化（包括特征選取，調參等等）。如果一個工具或者框架能夠幫助我們把所有流程優(yōu)化好，那會極大地提升工作效率。在這個情況下，我們只需要把輸入數據傳遞給一個框架或者平臺，則可以拿到最后已經訓練好的模型。其實這就是AutoML所做的事情。

?

Auto_ml

設計的目標為幫助公司快速從數據中提取有價值的信息，它用來自動化機器學習系統(tǒng)構建中的大部分流程。不僅可以用來完成通常花費最長時間的特征工程，比如對于自然語言處理的if-idf特征構建，特征編碼等，還可以對于維度非常高的數據嘗試降維操作。

?

Auto_ml底層使用了Scikit-Learn, XGBoost, TensorFlow, Keras, LightGBM等工具來確保運行時的高效。除了這些優(yōu)點，Auto_ml也存在一些可擴展性缺點，而且對于多分類問題表現出（multi-class classification）比較差的表現。

?

Auto-sklearn

?

顧名思義，Auto-sklearn是scikit-learn基礎上搭建的自動化學習平臺。它包含自動化特征工程部分，而且整個流程由Bayesian search來優(yōu)化并得到最好的模型。

?

Auto-sklearn的最大優(yōu)勢在于它建立在sklearn的生態(tài)上，所以具有更好的可擴展性以及兼容性，畢竟sklearn是目前為止最為流行的機器學習工具。 但相反，對于自然語言處理的數據，缺乏一些有效的工具。

?

TPOT

?

TPOT是基于樹狀的流程優(yōu)化工具，它的核心基于遺傳算法（genetic algorithm）。它延伸了sklearn的框架，但基于自己的基礎類。它的缺點也是對于自然語言數據的處理并不友好。

?

H20

H20是基于Java編寫的框架，跟sklearn也比較類似。它包含常用的模型比如GLM、深度學習模型、GBM, 隨機森林等。它支持多種類型的Grid search來找到最好的超參數（hyperparameter）。最后生成的模型是一個集成模型，結合了多個模型。

?

實驗中利用的數據集

為了驗證每個框架的性能，文本主要在OpenML的數據上做了測試，選取了57個用來分類的數據集，30個用來回歸分析的收集。

?

部分用于分類問題的數據集：

?

部分用于回歸分析的數據集：

?

實驗1： 對于發(fā)生異常情況的統(tǒng)計：

本文統(tǒng)計出了在進行實驗過程中遇到的異常情況，如下表所示。同表中可以看出H20在異常次數上占據最高，這也證實了H20框架的一個缺點，就是對于資源管理的問題。

?

實驗2： 對于預測準確率方面的統(tǒng)計

以下是針對分類和歸回問題的預測統(tǒng)計。這個結果是基于所有數據集上的統(tǒng)計結果。從這個結果里可以看出，auto-sklearn在分類問題上要明顯優(yōu)于所有其他的框架。但在回歸問題上，tpot要優(yōu)于其他所有的框架。

總結

以上是生活随笔為你收集整理的Auto_ml与TPOT的区别的全部內容，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。