1. 什么是AutoML

1.1简介

AutoML，也称自动机器学习，是指将机器学习应用于现实问题的端到端过程自动化的过程。
典型的机器学习模型包括以下四个过程：

从摄取数据到预处理、优化，然后预测结果，每个步骤都由人来控制和执行。AutoML 主要关注两个主要方面：数据采集 / 收集和预测。中间发生的所有其他步骤都可以轻松实现自动化，同时提供经过优化并准备好进行预测的模型。
从表现形式来看，AutoML目前主要分三类：1. 自动化调参（比较基础）2. 对于非深度学习领域应用的AutoML，比如AutoSKlearn等，主要体现在从数据预处理，自动化特征分析，自动化特征检验，自动化特征选择，自动化模型选择等。3. 应用于深度学习/神经网络的AutoML，主要有NAS，ENAS等，对于框架有AutoKeras等。

1.2 为什么需要 AutoML

从应用角度，在过去几年中，对机器学习系统的需求飙升。这是因为 ML 如今在广泛的应用中取得了成功。然而，即使有这种明确的迹象表明机器学习可以为某些企业提供支持，但很多公司仍在为部署 ML 模型而艰难地努力着。
从理论角度，AI致力于替代人的一部分工作，但是进一步深究的话，AI算法的设计过程中的很多工作，比如调参，也是可以通过算法实现的，或者说可以在调参等过程中，通过贝叶斯、NAS、进化编程等算法，实现使用更多的算力来替代人力。
首先，他们需要建立一支由经验丰富的数据科学家组成的团队，这些科学家都要拿丰厚的薪水。其次，即使你拥有一支优秀的团队，往往需要更多的经验来决定哪种模式 最适合你的问题，而不是知识。机器学习在各种应用中的成功，导致了对机器学习系统不断增长的需求，这些系统可以由非专家使用¹。AutoML倾向于尽可能多地自动化 ML 管道中步骤，在只需最少人力的情况下仍保持模型的性能。

AutoML 的优点可归纳为三大要点：

• 通过自动执行的重复性任务来提高工作效率。这使得数据科学家能够更多地关注问题而不是模型。
• 自动化 ML 管道还有助于避免可能因手动引入的错误。
• AutoML 是向机器学习民主化迈出的一步，它使所有人都能使用 ML 的功能。

2. 常见的Auto框架简介（2019年5月）

AutoML已经有很多年历史，但从去年开始，陆续涌出好多新的Auto框架，这几只是选择几个常见的做简介，后续的文章中会介绍他们的使用详情和性能等。

2.1 AutoSKlearn

本着入门一般选SKLearn的原则，先聊聊AutoSKLearn
Auto-Sklearn 是一个基于 Scikit-learn 构建的自动化机器学习软件包。Auto-Sklearn 让机器学习的用户从算法选择和超参数调整中解放出来。它包括特征工程方法，如独热编码（One-Hot）、数字特征标准化、PCA 等。该模型使用 sklearn 估计器处理分类和回归问题。

Auto-sklearn 创建了一个管道，并使用贝叶斯搜索对其进行优化。在 ML 框架的贝叶斯超参数优化中，添加了两个组件：元学习 用于初始化贝叶斯优化器，从优化过程中评估配置的自动集合构造。
Auto-sklearn 在中小型数据集上表现良好，但它还无法在大型数据集上产生性能最先进的现代深度学习系统。
演示
以下示例显示如何使用 Auto-Sklearn 拟合简单回归模型。

 import sklearn.model_selection
import sklearn.datasets
import sklearn.metrics

import autosklearn.regression

def main():
X, y = sklearn.datasets.load_boston(return_X_y=True)
feature_types = (['numerical'] * 3) + ['categorical'] + (['numerical'] * 9)
X_train, X_test, y_train, y_test = \
sklearn.model_selection.train_test_split(X, y, random_state=1)

automl = autosklearn.regression.AutoSklearnRegressor(
time_left_for_this_task=120,
per_run_time_limit=30,
tmp_folder='/tmp/autosklearn_regression_example_tmp',
output_folder='/tmp/autosklearn_regression_example_out',
)
automl.fit(X_train, y_train, dataset_name='boston',
feat_type=feature_types)

print(automl.show_models())
predictions = automl.predict(X_test)
print("R2 score:", sklearn.metrics.r2_score(y_test, predictions))


if __name__ == '__main__':
main()

        

          
        
        
        

          

          AI 代码解读
        
      
      

2.1 MLBox

MLBox 是一个功能强大的自动化机器学习 Python 库。根据官方文档，该库提供以下功能：

• 快速读取，分布式数据预处理 / 清洗 / 格式化；
• 高可靠性的特征选择，泄漏检测，准确的 超参数优化；
• 用于分类和回归的最先进的预测模型（深度学习，堆叠，LightGBM，......）；
• 具有模型解释的预测；

MLBox已经在 Kaggle 上进行了测试并且表现良好。（参见 Kaggle “Two Sigma Connect：Rental ListingInquiries”| Rank：85/2488）。

• 管道

MLBox 架构
MLBox的主程序包包含 3 个子包，用于自动执行以下任务：

• 预处理：用于读取和预处理数据。
• 优化：用于测试和交叉验证模型。
• 预测：用于预测。

2.3 TPOT

TPOT是基于树的管道优化工具，利用遗传算法来优化机器学习管道。TPOT 扩展了 Scikit-learn 框架，使用了自己的回归器和分类器方法。TPOT 的工作原理是探索数千条可能的管道，并为数据找到最好的一个。

资源链接：
Github：https://epistasislab.github.io/tpot/

2.4 H2O AutoML

H2O 是 H2O.ai 公司的完全开源的分布式内存机器学习平台。H2O同时支持 R 和 Python，支持最广泛使用的统计和机器学习算法，包括梯度提升（Gradient Boosting）机器、广义线性模型、深度学习模型等。
H2O 包括一个自动机器学习模块，使用自己的算法来构建管道。它对特征工程方法和模型超参数采用了穷举搜索，优化了管道。
H2O 自动化了一些最复杂的数据科学和机器学习工作，例如特征工程、模型验证、模型调整、模型选择 和 模型部署。除此之外，它还提供了自动可视化以及机器学习的解释能力（MLI）。
资料地址：https://h2o-release.s3.amazonaws.com/h2o/master/3888/docs-website/h2odocs/downloading.html#downloading-installing-h2o

2.5AutoKeras

Auto-Keras 是 DATA Lab 构建的一个用于自动化机器学习的开源软件库。基于 Keras 深度学习框架，Auto-Keras 提供了自动搜索深度学习模型的体系结构和超参数的功能。
API 的设计遵循 Scikit-Learn API 的经典设计，因此使用起来非常简单。当前版本提供了在深度学习过程中自动搜索超参数的功能。
Auto-Keras 的趋势是通过使用自动神经架构搜索（NAS）算法简化 ML 过程。NAS 基本上用一组自动调整模型的算法，替代了深度学习工程师 / 从业者。
资源链接：https://github.com/keras-team/autokeras
2.6 TransmogrifAI
下面介绍个大杀器2018年Salesforce出品的TransmogrifAI 。
该公司的旗舰 ML 平台名为爱因斯坦，也由 TransmogrifAI 驱动。TransmogrifAI是一个端到端的 AutoML 库，用于 Scala 编写的结构化数据，运行在最新版的Apache Spark 之上，可自动完成特征分析，特征选择，特征校验，模型选择等流程。在以下场景中，TransmogrifAI 特别有用：

• 快速训练高质量机器学习模型，只需极少的手动调节
• 构建模块化、可重用、强类型的机器学习工作流

3.关于Auto的思考

从质上讲，AutoML 的目的是自动化重复的任务，如管道创建和超参数调整，以便数据科学家在实际中可以将更多的时间花在手头的业务问题上。AutoML 还在于让所有人都能使用这项技术，而不仅仅少数人才能用。AutoML 和数据科学家可以联合起来加速 ML 的发展过程，从而实现机器学习的真正效率。
AutoML 是否成功取决于它的使用率和在这个领域所取得的进展。很明显，AutoML 是机器学习未来的一个重要组成部分。

附

• 自动机器学习框架的基准（https://arxiv.org/pdf/1808.06492v1.pdf）