01 AutoML概述

記得若干年前的某次周會上，我說“AutoML不光是調參，應該包含自動特征工程。”當時得到了大佬們的嘲諷，說我不懂技術瞎說。今天回過頭來看AutoML是一個系統化的體系，包含3個要素：

自動特征工程AutoFeatureEng

自動調參AutoTuning

自動神經網絡探索NAS

02 NNI概述

NNI（NerualNetworkIntelligence）是微軟發起的一個AutoML開源工具，覆蓋了上文提到的3要素，地址：

https://github.com/SpongebBob/tabular_automl_NNI

我目前只學習了自動特征工程這一個模塊，總體看微軟的工具都有一個比較大的特點，技術可能不一定多新穎，但是設計都非常贊。NNI的AutoFeatureENG基本包含了用戶對于AutoFeatureENG的一切幻想。在微軟做PD應該挺幸福吧，底層的這些個框架的設計都極為合理。

?

03 細說NNI-AutoFeatureENG

使用是非常簡單的，安裝下文件中的require，然后

pip install NNI?

NNI把AutoFeatureENG拆分成exploration和selection兩個模塊。exploration主要是特征衍生和交叉，selection講的是如何做特征篩選。

04 特征Exploration

在特征衍生方面，微軟教科書般的把特征衍生分成以下一些方式：

count：傳統的統計，統計一些數據的出現頻率

target：特征和目標列的一些映射特征

embedding：把特征看成句子，用word2vector的方式制作向量

crosscount：特征間除法，有點類似CTR

aggregete：特征的min/max/var/mean

nunique、histstat：：這兩個沒太看懂

具體特征怎么交叉，哪一列和哪一列交叉，每一列特征用什么方式衍生呢？可以通過search_space.json這個文件控制。

?

Exploration的目的就是長生出新的特征。在代碼里可以用get parameter的方式獲取tuning的參數：

RECEIVED_PARAMS = nni.get_next_parameter()

05 特征Selection

為了避免特征泛濫的情況，避免過擬合，一定要有Selection的機制挑選特征。這里微軟同學用了個小心機，在特征篩選的時候主推了同樣是他們自己開源的算法lightGBM，

了解xgboost或者GBDT算法同學應該知道，這種樹形結構的算法是很容易計算出每個特征對于結果的影響的。所以使用lightGBM可以天然的進行特征篩選。弊病就是，如果下游是個LR這種線性算法，篩選出來的特征是否具備普適性。跑通后產出的結果包含了每個特征的value以及屬性。

06 總結

NNI的AutoFeature模塊是給整個行業制定了一個教科書般的標準，告訴大家這個東西要怎么做，有哪些模塊，使用起來非常方便。但是如果只是基于這樣簡單的模式，不一定能達到很好的效果。我覺得在Exploration方面可以引用一些DNN的特征組合方式，提取更高維度的特征。在Selection方面可以有更多的智能化方案，比如可以基于下游的算法自動選擇Selection機制。

總之NNI在設計曾給了我一些啟發，還是一個挺好的開源項目，推薦給大家~大家用的時候如果是Mac電腦可能會遇到gcc的問題，因為開源項目自帶的腳本是基于gcc7編譯的，可以用下面的方法繞過去。

brew install libomp

總結

以上是生活随笔為你收集整理的微软NNI-业内最亲民的AutoML工具学习笔记（1）：AutoFeatureENG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。