AutoML(自动机器学习)

0x00 背景

AutoML, 自动机器学习，是一个很宽泛的概念，总体目标是在解决涉及模型的问题中，减轻工程师的工作负担。
进一步划分，实际包括传统的机器学习方法，如随机森林、SVM等。针对传统机器学习的AutoML，目前主要是针对表格数据，包括了数据清洗、特征工程、模型选择、超参优化、效果评估、自动ensemble等各阶段，是一个数据端到端的自动处理过程。与前几年，自动超参优化平台比起来，强调了整个机器学习流水线的自动化。
另一种，是针对深度学习的AutoML，也有叫做AutoDL(自动深度学习)，侧重于深度神经网络的自动化。因为深度学习，特征的抽取也是由网络自动进行的，AutoDL的主要任务实际就是网络结构和网络超参的自动学习。目前看来，AutoDL因为对资源的消耗过大，各方面的研究依然集中于点的研究：网络结构搜索、自动数据增强、自动模型压缩等。

0x01 链接

1.介绍解决的问题：https://blog.csdn.net/c9Yv2cf9I06K2A9E/article/details/83829288
2.https://www.jianshu.com/p/8178bb4d2ec3
3.https://yq.aliyun.com/articles/661815

4. https://zhuanlan.zhihu.com/p/54614323
5. https://www.cnblogs.com/jicanghai/p/10242567.html