微软 AutoML 框架之 FLAML | 环境配置、安装、分类/回归测试
【摘要】
一、引言
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 | FLAM...
一、引言
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
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自适应系统中。在同等或有时数量级较小的预算限制下,它在大型开源 AutoML 基准测试中显着优于排名靠前的其他 AutoML 库。
数学建模/大数据分析与可视化专栏:https://blog.csdn.net/fyfugoyfa/category_10813239.html
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/125416486
【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)