automl介绍

AutoML（Automated Machine Learning）是指利用机器学习算法和技术来自动化机器学习的各个阶段，包括数据预处理、特征工程、模型选择、超参数调优和模型部署等过程。AutoML旨在降低机器学习的门槛，使非专业领域的人员也能简单快速地构建和部署机器学习模型。

AutoML的目标是通过自动化技术来减少人工调试和调优的工作量，提高机器学习模型的效果和性能。它通过算法搜索、自动化特征工程、超参数优化等方法，自动选择和调整合适的模型和参数，以达到更好的模型性能。AutoML还可以根据不同的任务和数据集，自动选择合适的机器学习算法和模型架构。

AutoML的优点包括：

• 提高了机器学习的效率和性能，减少了人工调试和调优的工作量；
• 降低了机器学习的门槛，使非专业领域的人员也能进行机器学习模型的构建和部署；
• 增强了模型的泛化能力和稳定性，减少了过拟合和欠拟合的风险；
• 可以快速尝试不同的模型和参数组合，加速模型的迭代和优化过程。

总之，AutoML通过自动化机器学习的各个阶段，能够帮助用户更快速、更高效地构建和部署机器学习模型，降低了机器学习的门槛，并提高了模型的质量和性能。

在本节中，使用 Auto-Sklearn 来挖掘汽车保险数据集的模型。

汽车保险数据集[6]是一个标准的机器学习数据集，由 63 行数据组成，一个数字输入变量和一个数字目标变量。

使用具有三个重复的重复分层 10 折交叉验证的测试工具，朴素模型可以实现约 66 的平均绝对误差 (MAE)。性能最佳的模型可以在相同的测试工具上实现约 28 的 MAE . 这提供了该数据集的预期性能界限。

该数据集涉及根据不同地理区域的索赔数量预测索赔总额（数千瑞典克朗）。

可以使用与上一节相同的过程，尽管我们将使用AutoSklearnRegressor类而不是AutoSklearnClassifier。

默认情况下，回归器将优化 R^2指标。如果需要使用平均绝对误差或 MAE ，可以在调用fit()函数时通过metric参数指定它。

# example of auto-sklearn for the insurance regression dataset
from pandas import read_csv
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_absolute_error
from autosklearn.regression import AutoSklearnRegressor
from autosklearn.metrics import mean_absolute_error as auto_mean_absolute_error
# load dataset
dataframe = read_csv(data, header=None)
# split into input and output elements
data = dataframe.values
data = data.astype('float32')
X, y = data[:, :-1], data[:, -1]
# split into train and test sets
X_train, X_test, y_train, y_test = train_test_split(X, y, 
                                                    test_size=0.33, 
                                                    random_state=1)
# define search
model = AutoSklearnRegressor(time_left_for_this_task=5*60, 
                             per_run_time_limit=30, n_jobs=8)
# perform the search
model.fit(X_train, y_train, metric=auto_mean_absolute_error)
# summarize
print(model.sprint_statistics())
# evaluate best model
y_hat = model.predict(X_test)
mae = mean_absolute_error(y_test, y_hat)
print("MAE: %.3f" % mae)

在运行结束时，将打印一个摘要，显示评估了 1,759 个模型，最终模型的估计性能为 29 的 MAE。

auto-sklearn results:
Dataset name: ff51291d93f33237099d48c48ee0f9ad
Metric: mean_absolute_error
Best validation score: 29.911203
Number of target algorithm runs: 1759
Number of successful target algorithm runs: 1362
Number of crashed target algorithm runs: 394
Number of target algorithms that exceeded the time limit: 3
Number of target algorithms that exceeded the memory limit: 0