AutoGluon Tabular 表数据全流程自动机器学习 AutoML

论文链接：
https://arxiv.org/abs/2003.06505
代码链接：
https://github.com/awslabs/autogluon

背景

表数据的AutoML近几年很火，但是目前没有一个框架做到了集大成，各有一些特色，但效果也一言难尽，比赛中选手常常用到一些可以提升效果的技术，之前的AutoML框架也都没有过多关注，关注点主要放在了模型选择和超参数调节上。

这篇文章是awslab在前两天（13 Mar 2020）挂在了arxiv上，还没有看到机器之心，新智源等媒体的跟进，毕竟是又一大厂的力作，可能马上就又上头条了吧hh。

看完这篇文章的我的评价是：对当前的主流框架做了一个很好的梳理，给了一个不错的baseline给大家当靶子，关注了之前AutoML框架少关注的stacking的过程，效果还可以，接口设计的很优雅，做了比较贴心的数据预处理，支持断点恢复，支持约束训练时间。

接下来我按照pipeline串一下逻辑。

Pipeline

from autogluon import TabularPrediction as task
predictor = task.fi