PAI-AutoML调参服务是通过算法的方式解放用户调节算法参数的工作。自2018年8月发布PAI-AutoML1.0版本以来，该功能已经帮助众多PAI的中小企业用户提升了模型的准确性，得到了不错的反馈。
PAI-AutoML1.0版本介绍文章：https://help.aliyun.com/document_detail/87393.html，为了进一步提升该服务的能力，PAI在今日发布AutoML调参服务2.0版本，目前该功能已经在PAI各区域服务全量上线。
在AutoML2.0版本中将包含以下Feature：
- 新增目前业内热门的高斯调参方法以及针对大规模数据改良后的高斯采样算法
- 增加了提前停止条件（EarlyStop）机制，帮助用户能更高效的利用资源
典型用户场景
某公司主营业务是广告DSP平台，对于广告DSP公司来讲，CTR预估准确性是营收的生命线。而CTR预估算法在机器学习领域属于二分类算法，目的是通过用户画像判断投放给用户的广告是否会被点击。
二分类算法如果在PAI平台选用GBDT或者RF这些算法需要有大量的参数调节，而且每个参数都具有很广的定义域，光靠人工手动调节很难锁定最优的参数组合。如下图，仅树的数目这一个参数就有[1,10000]这1万种参数可能性。
通过PAI-AutoML工具，只需要设置每个参数的大致范围，就可以通过调参算法自动找到最优参数组合：
从收益来讲，假设用户每日投放广告量为1000万次，使用AutoML之前的CTR预估准确率为0.7%，也就是投放1000万次会获得点击7万次。如果通过AutoML调参功能将CTR预估准确性提升到0.8%，可以帮助平台每天新增点击1万次。假设每次广告点击平台的收益是1元，那么平台日新增收入将增加1万元，年直接经济收益超过百万。
开箱即用
目前PAI-AutoML功能已经全面上线，只需要进入PAI-STUDIO页面，地址：https://pai.data.aliyun.com/console
新建项目并在首页模板中找到”基于对象特征的推荐“模板：
点击控制面板中的AutoML功能即可开始试用：
详细说明
在2.0版本中调参算法种类从4个增加到7个，各个算法详细说明如下：
本文作者：傲海
本文为云栖社区原创内容，未经允许不得转载。
网友评论