{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部分”：[[2024,6,20]]，“日期-时间”：“2024-06-20T10:34:45Z”，“时间戳”：1718879685246}，“引用-计数”：67，“发布者”：“计算机协会（ACM）”，“问题”：“12”，“内容-域”：{-“域”：[]，“交叉标记限制”：false}，”short集装箱装载机”：[“Proc.VLDB Endow.”]，“published-print”：{“date-parts”：[[2020,8]]}，“abstract”：“\n机器学习（ML）是数据驱动软件应用日益流行的前沿。由此产生的ML技术的快速扩散、爆炸性的数据增长和数据科学专业知识的短缺，使该行业面临着越来越具有挑战性的需求，以跟上快节奏的开发和部署模型生命周期。最近的学术和工业研究工作已开始通过自动机器学习（AutoML）管道解决此问题，并将模型性能作为一级设计目标。我们介绍了Oracle AutoML，这是一个新颖的\n无迭代<\/jats:italic>\n AutoML管道不仅可以提供准确的模型，而且可以在更短的运行时间内提供。我们能够通过消除对各种管道配置进行连续迭代的需要来实现这些目标。在我们的前馈方法中，每个管道阶段都基于金属代用模型进行决策，这些代用模型可以在构建完整的最终模型之前预测候选管道配置性能。我们的方法只构建和调优最佳候选管道，与最先进的开源AutoML工具（如H2O和Auto-sklearn）相比，只需花费很短的时间就能取得更好的成绩。这使得Oracle AutoML成为解决当前行业挑战的首选。\n<\/jats:p>“，”DOI“：”10.14778\/3415478.3415542“，”type“：”journal-article“，”created“：{”date-parts“：[[2020,9,14]]，”date-time“：”2020-09-14T22:46:40Z“，”timestamp“：16001236000000}，”page“：“3166-3180”，“source”：“Crossref”，“is-referenced-by-count”：25，“title”：[“Oracle AutoML”]，“前缀”：“10.14778”，“卷”：“13“，”author“：[{”given“：”Anatoly“，”family“：”雅科夫列夫“，”sequence“：”first“，”affiliation“：[{”name“：”Oracle Labs“}]}，{”given“：”Hesam Fathi“，”family“：”Moghadam“，”序列“：”additional“，”从属关系“：[[{“name”：”Oracle Labs“}]}，”givent“：”Ali“，“family”：“Moharrer”，“sequence”：“additional”，“affiliationation”：[{”name“：”Oracle Labs“]}”，{“given”：“晶晓”，“faily”：“Cai”，“sequence”：“additional”，“affiliation“：[{”name“：”Oracle Labs“}]}，{”given“：”Nikan“，”family“：”Chavoshi“，”sequence“：”additional“，”affiliation:[{“name”：”Oracle Labs“}]}，“given”：“Venkatanahan”，“family”：“Varadarajan”，“sequence”：“additional”，“affiliance”：[{name“”：“Oracle Labs”}]}，{：“附加”，“从属关系”：[{“名称”：“Oracle实验室“}]}，{“given”：“Sam”，“family”：“Idicula”、“sequence”：“additional”、“affiliation”：[{“name”：“Oracle实验室”}]}.，{”given“：”Tomas“，”family“：”Karnagel“，”sequence“：”additional“，”affiliation:[{”name“：”Oracle实验室“{]}：“Oracle实验室”}]}，{“给定”：“Nipun”，“家族”：“Agarwal“，”sequence“：”additional“，”affiliation“：[{”name“：”Oracle Labs“}]}]，”member“：”320“，”published-online“：{”date-parts“：[2020,9,14]]}，”reference“：[}”key“：”e_1_2_1_1_1“，”volume-title“：”https:\//aws.amazon.com\/blogs\/aws\/amazon-sagemaker-autopilot-fully-managed-automatic-machine-learning“，”year“：”2019“}”，{“键”：“e_1_2_2_1”，“卷时间”：“azure机器学习服务中的新自动机器学习功能，https:\/\/azure.microsoft.com/en-us\/blog\/New-automated-machine-learning-capabilities-in-azure-machine-learning-service\/“，”author“：”Anumalasetty K.“，”year“：”2018“}，{”key“：”e_1_2_1_3_1“，”volume-title“：”对自动机器学习框架进行基准测试。arXiv预印本arXiv:1808.06492“，”author“：”Balaji A.“，”year“：”2018“}，{”key“：”e_1_2_1_4_1“，”doi-asserted-by“：”publisher“，“doi”：“10.5555\/2503308.2188395”}，}“key”：“e_1_i_1_5_1”，“doi-assert-by”：“publisher”，”doi“：”10.25080\/Majora-8b375195-003由“：”publisher“，”doi“：”10.5555\/3042817.3042832“}插入，{”key“：”e_1_2_1_7_1“，“doi-asserted-by”：“publisher”，“doi”：“10.5555\/2503308.2188387”}，{“key”：“e_1_cu1_8_1”，”doi-assert-by“：”publisher“，”doi“：”10.1007\/978-0-387-09823-4_45“}，“key“：”e_1_i_1_9_1“1_2_1_10_1“，”volume-title“：”采样技术-3“，”author“：”Cochran W.G.“，“年份”：“1977年“}，{”key“：”e_1_1_11_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/1321440.1321461”}，“key”：“e_2_1_12_1”，“首页”：“1437”，“volume-title”：“国际机器学习会议”，“author”：“Falkner S.”，”year“2018”}、{”key“：“e_ 2_1_ 13_1”、“doi-assert-by”：“publisher”、”doi“：”10.5555\/29669442.2969547“}，{”键“：”e_1_2_1_14_1“，”doi-asserted-by“：”publisher“，”doi“：”10.5555\/2887007.2887164“}，{“key”：”e_1_1_15_1“，“doi-assert-by”：“publisher”，“doi”：“10.1109\/ISIT.2017.8007079”}，“{”key“：”e_e1_2_16_1“、”doi-asserted-by“:”publishers“，”doi“：“10.5555\/3327144.3327254”}、{“key”：“e_2_1_17_1”、“volume-title”“：”开源automl基准测试。arXiv预打印arXiv:1907.00909“，”author“：”Gijsbers P.“，”year“：”2019“}，{“key”：“e_1_1_18_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1016\/j.neucom.2011.07.005“}“，{”key“：”e_1_i_1_19_1“，“volume-title”：“May”，“author”：“Gonz\u00e1lez j.”，author“：”Hall P.“，”year“：”2018“}，{“key”：“e_1_2_1_21_1”，“doi-asserted-by”：“publisher”，”DOI“：”10.1109\/TKDE.2008.239“}，{“key”：“e_1_2_22_1”，“DOI-asserted-by”：“publisher”，”DOI“:”10.1007\/978-3642-25566-3_40“}”，{”key“：”e_1_i_1_23_1“，”first page“：“首页”：“111”，“文章标题”：“监督学习的数据预处理”，“卷”：“1”，“作者”：“Kotsiantis S.”，“年份”：“2006”，“期刊标题”：“国际计算机科学杂志”}，{“key”：“e_1_2_25_1”，”doi-asserted-by“：”publisher“，”doi“：”10.5555\/312209.3122034“}，”{“key”：”e_2_1_26_1“，e_1_2_1_27_1“，”doi-asserted-by“：”publisher“，”doi“：”10.5555\/3122009.3242042“}，{“key”：“e_1_1_28_1”，“volume-title”：“用于大规模并行超参数调谐的系统。arXiv:1810.05934v5”，“author”：“Li L.”，”year“：”2018“}”，{”key“：”e_2_1_29_1“，“doi-assert-by”：“publisher”，“e_1_2_1_30_1”，“doi-asserted-by”：“publisher”，”DOI“：”10.5555\/29669442.2969545“}，{“key”：“e_1_2_1_31_1”，“volume-title”：“异步分散并行随机梯度下降。arXiv预印本arXiv:1710.06952”，“author”：“Lian X.”，“year”：“2017”}，}“key:”e_2_2_1-32_1“，”volume-title“：”Lightgbm v2.2.3 python软件包文档。https://github.com\/microsoft\/LightGBM\/bob\/v2.23\/docs\/Features.rst”，“年份”：“2018”｝，｛“密钥”：“e_1_2_1_33_1”，“doi断言者”：“publisher”，“doi”：“10.5555\/30444805.3044945”｝，｛“密钥”：“e_1_2_1_34_1”，“doi断言者”：“publisher”，“doi”：“10.1007\/s13721-016-0125-6”｝，｛“密钥”：“e_1_2_1_35_1”，“卷标题“：”Auto-sklearn git存储库。https:\//matplotlib.org\/api\/_as_gen\/matplotlib.pyplot.boxplot.html“，”年份“：“2019”}，{“key”：“e_1_1_36_1”，“doi-asserted-by”：“publisher”，”doi“：”10.5555\/844380.844722“}，”{“密钥”：“e_1_2_1_37_1”、“首页”：“12”，“article-title”：“Alors:算法推荐系统”，“卷”：“244”，“作者”：“M.女士”，“年份”：“2016年”，“新闻标题”：“人工智能“}，{”key“：”e_1_1_38_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2908812.2908918”}，“key”：“e_2_1_39_1”，“unstructured”：“Oracle Inc.The Oracle AutoML Pipeline。https:\/\/docs.cloud.Oracle.com/en-us\/iaas\/tools\/ads-sdk\/1.0.0\/user_guide\/AutoML\/overview.html 2020。Oracle Inc.Oracle AutoML管道。https:\/\/docs.cloud.oracle.com/en-us\/iaas\/tools\/ads-sdk\/1.0.0\/user_guide\/automl\/orview.html 2020。，{“键”：“e_1_2_1_42_1”，“doi-asserted-by”：“出版商”，“doi”：“10.5555\/3327757.3327789“}，{“key”：“e_1_1_43_1”，“doi-asserted-by”：“publisher”，”doi“：”10.5555\/645529.658105“}”，{”key“：”e_1_i_1_44_1“，”volume-title“：”https:\\/mljar.com/blog\/automl-comparison\/“，”author“：”Poski P.“，“年份”：“2017”}，“key“by“：”publisher“，”doi“：”10.5555\/2986459.2986537“}，{”key“：”e_1_2_1_46_1“，“doi-asserted-by“：”publisher“，”doi“：”10.1007\/s10994-012-5286-7“}，{“key”：“e_1_2_47_1”，“volume-title”：“数据时代2025：数据向生命关键型的演变不关注大数据。关注由希捷赞助的大数据。数据向生命重要型的演变不要关注大数据”，“author”：“Reinsel D.”，“year”：“2017”}，}“key:”e_1_2_1_48_1“，”卷时间“：”算法选择问题。计算机进展，15（65-118）:5”，“作者”：“Rice J.R.”，“年份”：“1976”}，｛“密钥”：“e_1_2_1_49_1”，“卷标题”：“sklearn度量log_loss score的定义。https://scikit-learn.org/stability\/modules\/regenerated\/skmlearn.metrics.log_loss.html”，“年份”：“2019”｝，｛“密钥”：“e_1_2_1_50_1”，“doi断言者”：“发布者”，“doi”：“10.1109\/JPROC.2015.2449218”}，{“key”：“e_1_1_51_1”，“volume-title”：“Skelearn v0.20主页.https:\/\/scikit-learn.org\/0.20\/”，“年份”：“2018”}，{”key“：”e_2_1_52_1“，”doi-asserted-by“：”publisher“，“doi”：“10.5555\/299325.299464”}、{“key”：8.3045349“}，{”key“：”e_1_2_1_54_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2806777.2806945”}，{“key”：“e_1_2_1_55_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1016\/j.patcog.2007.04.009“}，}“key”：”e_1_i_1_56_1“，”volume-title“：”巴基斯坦国际机场\/ECML”，“author”：“Sun Hosoya L.”，“year”：“2018”}，{“key”：“e_1_2_1_57_1”，“doi asserted by”：“publisher”，“doi”：“10.1145\/247575.2487629”}，{“key”：“e_1_2_1_58_1”，“first page”：“769”，“article title”：“cnn的两个修改”，“volume”：“6”，“author”：“Tomek I.”，“year”：“1976”，“journal title”：“IEEE Trans.Systems，Man and Cybernetics”}，｛“键”：“e_1_2_1_59_1”，““volume-title”：“走向自动化机器学习：评估和比较automl方法和工具。arXiv预印本arXiv:1908.05557“，”author“：”Truong A.“，”year“：”2019“}，{”issue“：”2“，”key“：”e_1_1_60_1“，”首页“：”58“，”article-title“：”概念漂移问题：定义和相关工作。计算机科学系“，”volume“：doi-asserted-by“：”publisher“，”doi“：”10.1145\/264119.2641198“}，{“key”：“e_1_1_62_1”，“doi-assert-by”：“publisher”，”doi:“10.1007\/978-3-319-23534-9_20”}，“key“：”e_1_i_1_63_1“，by“：”publisher“，”doi“：”10.1007\/s10107-015-0892-3“}，{”key“：”e_1_2_1_65_1“，”volume-title“：”Xgboost v0.18 python包文档。https:\/\/xgboost.readthedocs.io\/en\/release_0.8_\/“，”年份“：”2018“}，{“key”：“e_1_1_66_1”，“volume-title”：“异步并行自适应随机梯度法。arXiv预印本arXiv:2002.09095”，“author”：“Xu Y.”，“year”：“2020”}，“key“：”e_2_1_67_1“，”series-title“：”机器学习研究论文集“，”第一页“：”1077“，”volume-titel“：“第十七届国际人工智能与统计会议记录”，“作者”：“Yogatama D.”，“年份”：“2014”}]，“容器-时间”：[“VLDB捐赠会议记录”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/dl.acm.org\/doi\/pdf\/10.14778\/3415478.3415542”，“内容类型”：“未指定”，“content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2022,12,28]]，”date-time“：”2022-12-28T11:56:45Z“，”timestamp“：1672228605000}，”score“：1，”resource“：”{“primary”：{“URL”：“https:\/\/dl.acm.org\/doi\/10.14778\/3415478.3415542”}}}，“subtitle”：[“快速预测AutoML管道“]，”短标题“：[]，”已发布“：{”date-parts“：[2020,8]]}，“references-count”：67，“journal-issue”：{“issue”：“12”，“published-print”：{“date-part”：[[2020,8]}}，”alternative-id“：[”10.14778\/3415478.3415542“]，”URL“：”http://\/dx.doi.org\/10.14778\/4415478.415542“，”relation“：{}，‘ISSN’：[”2150-8097“]，“ISSN-type”：[{“值”：“2150-8097”，“类型”：“打印”}]，“主题”：[]，“已发布”：{日期部分“：[[2020,8]}}}