微软 AutoML 框架之 FLAML | 论文解读
【摘要】
文章目录
一、简介
二、主要内容总结
一、简介
FLAML(A Fast and Lightweight AutoML Library),是由微软主推的一个全新...
一、简介
FLAML(A Fast and Lightweight AutoML Library),是由微软主推的一个全新的高效轻量级自动化机器学习框架。
- 论文 arXiv 地址 | FLAML: A Fast and Lightweight AutoML Library
- FLAML Github项目地址 | A Fast Library for Automated Machine Learning & Tuning
大数据人工智能的飞速发展激发了自动化机器学习 (AutoML) 的快速且经济的软件解决方案:给定训练数据集和误差度量,使用低计算成本来搜索学习器和超参数选择,并在短时间内生成优化误差度量的模型。
通过对给定的训练数据进行不同配置的试验,研究了如何使用较低的计算成本来自动选择特定训练数据集的学习器和超参数以及错误度量。调查了多种因素对实验成本和模型误差的共同影响,并提出了一些设计指南。遵循它们,构建了一个快速且轻量级的库 FLAML,该库针对查找准确模型的低计算资源进行了优化。FLAML 将几种简单但有效的搜索策略集成到一个
文章来源: yetingyun.blog.csdn.net,作者:叶庭云,版权归原作者所有,如需转载,请联系作者。
原文链接:yetingyun.blog.csdn.net/article/details/125390950
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)