机构名称：
¥ 1.0
* Tian，Juchi是电子邮件：juchi0905@gmail.com摘要：自动化机器学习（AUTOML）通过自动化复杂且耗时的任务（例如数据预处理，模型选择，模型选择和超参数调谐），彻底改变了机器学习领域。本研究探讨了六种广泛使用的汽车工具的功能，局限性和实际应用：自动 - 扫描，TPOT，H2O.AI，Google Cloud Automl，Microsoft Azure Automl和Amazon Sagemaker Autopilot。通过评估各种数据集中的这些工具（列出表格数据，时间序列，图像分类和文本情感分析），该研究突出了它们的预测性能，计算效率，可扩展性和解释性。专有工具通过云集成证明了卓越的可扩展性和效率，而开源平台则提供了更多的解释性和灵活性。然而，诸如先进神经结构搜索机制缺乏透明度的挑战和包括缓解偏见在内的道德考虑因素仍然很普遍。本研究得出的结论是，尽管汽车工具大大降低了机器学习进入的障碍，但仍需要进行持续的进步才能平衡性能，可用性和道德标准，从而使Automl成为现实世界应用程序的整体解决方案。
自动化机器学习：工具和技术的调查
主要关键词
相关文件推荐
