自动机器学习（AutoML）

自动机器学习（AutoML：Automated Machine Learning）是一种将机器学习模型构建过程自动化的技术。传统上需要具备专业知识的数据科学家和工程师手动完成的模型选择、特征工程、超参数调整、训练、评估和调优等环节，AutoML可以自动执行其中的部分乃至全部流程。 该技术的目标是使没有机器学习专业知识的人也能构建高精度的预测模型。对于中小企业和业务部门而言，它有助于降低数据利用门槛，加快AI导入的速度，提升精度。 AutoML能够自动化的代表性流程： • 数据预处理与特征自动生成 • 算法自动选择（如随机森林、XGBoost、神经网络等） • 超参数自动优化（贝叶斯优化等） • 模型评估与最优模型遴选 • 高可复现性流水线的自动生成 代表性AutoML工具包括Google Cloud的"Vertex AI"、Microsoft的"Azure AutoML"、Amazon的"SageMaker Autopilot"，以及开源工具"Auto-sklearn"、"H2O AutoML"和"TPOT"等。 AutoML不仅致力于"达到或超越专家构建模型的精度"，还在快速试错和模型选择民主化方面，有力推动了商业领域的AI应用落地。