机构名称：
¥ 1.0
人们意识到在当今快节奏和竞争极其激烈的市场中，人工智能驱动的决策是不可或缺的，这极大地提高了人们对工业机器学习 (ML) 应用的兴趣。目前对分析专家的需求远远超过供应。解决这个问题的一个方法是提高 ML 框架的用户友好性，使非专家更容易使用它们。自动化机器学习 (AutoML) 试图通过提供完全自动化的现成模型选择和超参数调整解决方案来解决专业知识问题。本文分析了 AutoML 在商业分析应用方面的潜力，这有助于提高 ML 在所有行业的采用率。在三个真实数据集上，H2O AutoML 框架与手动调整的堆叠 ML 模型进行了基准测试。手动调整的 ML 模型在实验中使用的所有三个案例研究中都可以达到性能优势。尽管如此，H2O AutoML 包被证明是相当强大的。它速度快、易于使用，并且提供可靠的结果，接近专业调整的 ML 模型。H2O AutoML 框架目前的功能是支持快速原型设计的宝贵工具，可以缩短开发和部署周期。它还可以弥合 ML 专家的现有供需差距，是朝着业务分析自动化决策迈出的一大步。最后，AutoML 有可能在快速变得更加自动化和数字化的世界中促进人类赋权。
自动化机器学习 - Strathprints
主要关键词
相关文件推荐
