Loading article…
Auto-WEKAは、Chris Thornton、Frank Hutter、Holger H. Hoos、Kevin Leyton-BrownによるWekaをベースにした自動機械学習システムです。[1]拡張バージョンはAuto-WEKA 2.0として公開されました。[2] Auto-WEKAは、中立的な比較研究で最初の著名なAutoMLシステムに選ばれました。[3]
2023年にSIGKDDカンファレンスでtest-of-time賞を受賞した。[4]
説明
Auto-WEKA は、アルゴリズム選択問題とハイパーパラメータ最適化問題の両方を拡張し、与えられたデータセットに対して最適なアルゴリズムとそのハイパーパラメータを検索する、アルゴリズム選択とハイパーパラメータ最適化の組み合わせ (CASH) 問題を導入しました。Baratchi らは、「AutoML の真の力は、アルゴリズム選択とハイパーパラメータ最適化の組み合わせ問題の定義を通じて解き放たれました」と述べています。[5]
CASHの形式主義は、Auto-sklearn、[6] ATM、[7] AutoPrognosis、[8] MCPS、[9] MOSAIC、[10] naive AutoML [11] 、ADMM [12]などの後のAutoMLシステムや手法にも採用され、拡張されました。
参考文献
- ^ Thornton, Chris; Hutter, Frank; Hoos, Holger H.; Leyton-Brown, Kevin (2013 年 8 月 11 日)。「Auto-WEKA: 分類アルゴリズムの選択とハイパーパラメータの最適化を組み合わせたもの」。Association for Computing Machinery。pp. 847–855。doi : 10.1145 /2487575.2487629 – ACM Digital Library 経由。
- ^ Kotthoff, Lars; Thornton, Chris; Hoos, Holger H.; Hutter, Frank; Leyton-Brown, Kevin (2017 年 8 月 12 日)。「Auto-WEKA 2.0: WEKA における自動モデル選択とハイパーパラメータ最適化」。Journal of Machine Learning Research。18 ( 25): 1–5 – jmlr.org 経由。
- ^ Gijsbers, Pieter; Bueno, Marcos LP (2024). 「AMLB: AutoML ベンチマーク」.機械学習研究ジャーナル. 25 :6. arXiv : 2207.12560 .
- ^ “KDD 2023 - 受賞歴”. kdd.org。
- ^ バラッチ、ミトラ;王、缶。リマー、ステフェン。ファン・レイン、ヤン・N.フース、ホルガー。バック、トーマス。オルホファー、トーマス (2024)。 「自動化された機械学習: 過去、現在、未来」。人工知能のレビュー。57 (5): 2.土井: 10.1007/s10462-024-10726-1。
- ^ Feurer, Matthias; Klein, Aaron; Eggensperger, Katharina; Springenberg, Jost Tobias; Blum, Manuel; Hutter, Frank (2015). 「効率的で堅牢な自動機械学習」。ニューラル情報処理システムの進歩。第 28 巻。
- ^ Swearingen, Thomas; Drevo, Will; Cyphers, Benett; Cuesta-Infante, Alfredo; Ross, Arun; Veeramachaneni, Kalyan (2017). 「ATM: 自動機械学習のための分散型、協調型、スケーラブルなシステム」。2017 IEEE 国際ビッグデータ会議 (ビッグデータ)。doi : 10.1109 /BigData.2017.8257923。
- ^ Alaa, Ahmed M.; van der Schaar, Mihaela (2018). 「AutoPrognosis: 構造化カーネル学習によるベイズ最適化による自動臨床予後モデリング」。第35回国際機械学習会議の議事録。
- ^ Salvador, Manuel Martin; Budka, Marcin; Gabrys, Bogdan (2019). 「拡張 Auto-WEKA によるマルチコンポーネント予測システムの自動構成と最適化」. IEEE Transactions on Automation Science and Engineering . 16 (2): 946–959. arXiv : 1612.08789 . doi :10.1109/TASE.2018.2876430.
- ^ Rakotoarison, Herilalaina; Schoenauer, Marc; Sebag , Michèle ( 2019). 「モンテカルロ木探索による機械学習の自動化」。第28回人工知能国際合同会議議事録。arXiv : 1906.00170。doi :10.24963/ijcai.2019/457。
- ^ Mohr, Felix; Wever, Marcel (2023). 「単純な自動機械学習」.機械学習. 112 (4): 1131–1170. doi : 10.1007/s10994-022-06200-0 .
- ^ Liu, Sijia; Ram, Parikshit; Vijaykeerthy, Deepak; Bouneffouf, Djallel; Bramble, Gregory; Samulowitz, Horst; Wang, Dakuo; Conn, Andrew; Gray, Alexander (2020). 「AutoML パイプライン構成用の ADMM ベースのフレームワーク」。AAAI人工知能会議の議事録。第 34 巻。arXiv : 1905.00424。doi :10.1609/aaai.v34i04.5926。