自动韦卡

自动WEKA 2:WEKA中的自动模型选择和超参数优化。WEKA是一种广泛使用的开源机器学习平台。由于其直观的界面,它特别受新手用户欢迎。然而,这样的用户经常发现很难识别他们的特定数据集中的最佳方法。我们描述了新版本的自动WEKA,旨在通过使用WEKA的学习算法和它们各自的超参数设置的联合空间来自动搜索这样的用户的系统,以使用最先进的贝叶斯优化方法来最大化性能。我们的新软件包与WEKA紧密集成在一起,使得它与任何其他学习算法一样可以被终端用户访问。


ZBMaCT中的参考文献(21篇文章中引用)

显示结果1至20的21。
按年份排序(引文
  1. van Engelen,Jesper E.;HoOS,Holger H.:半监督学习综述(2020)
  2. Alex A.,Ludermir,Teresa B.;Feitosa Neto,安东尼诺;巴雷图,Cephas A. S.:一种基于分类器集成的自动机器学习进化算法:改进算法和扩展结果(2020)
  3. 林道尔,马吕斯;van Rijn,Jan N.;Kotthoff,拉尔斯:算法选择竞赛2015和2017(2019)
  4. Mateusz Staniak,Przemyslaw Biecek:自动化探索数据分析的R包的景观(2019)阿西夫
  5. 德拉克鲁兹、艾迪、Weber、罗伯托、比斯瓦尔、R. R.、梅杰河Ia、若泽、Hern Nordz Z、甘地、G·Mez PoZOS、HeBoto:组合组合算法和深度学习的步态生物标记分类:局部研究的结果(2019)
  6. BrasdIl,帕维尔(ED);Giraud Carrier,克里斯多夫(ED):元学习和算法选择:进展、最新进展和2018专题(2018)导论
  7. Eggensperger,卡塔琳娜;林道尔,马吕斯;HoOS,Holger H.;Hutt,弗兰克;Leyton Brown,Leyton Brown:基于模型代理的算法配置器的有效标杆(2018)
  8. Kordyk,帕维尔;N,J.;Fr.YDA,Tom A:发现迁移学习和元学习的预测集合(2018)
  9. Lorena,Ana C.;Maiel. Aron I.;de米兰达,P·C·C;科斯塔,Ivan G.;普鲁特·NCIO,Ricardo B. C.:回归问题的数据复杂性元特征(2018)
  10. Melnikov,Vitalik;H·勒尔迈尔,艾克:学习嵌套二分法的启发式算法的有效性:一个实证分析(2018)
  11. 莫尔法,菲利克斯;Wever,Marcel;H.L.勒梅尔,艾克:ML计划:通过分层规划的自动化机器学习(2018)
  12. 奥利尔、伊凡、Sadawi、Noureddin、比克顿、G. Richard、凡肖伦、Joaquin、Grosan、Crina、Soldatova、拉里萨、国王、Ross D.:Meta QSAR:元学习在药物设计和发现中的大规模应用(2018)
  13. Wistuba,马丁;Schilling,尼古拉斯;Schmidt Thieme,拉尔斯:基于可伸缩高斯过程的超参数优化传递代理(2018)
  14. 哈特,弗兰克;林道尔,马吕斯;Balint,阿德里安;贝利斯,山姆;HoOS,霍格尔;Pig,Y:可配置的SAT求解器挑战(CSSC)(2017)
  15. 林道尔,马吕斯;HoOS,霍格尔;Leyton Brown,凯文;肖布,托斯滕:通过算法配置自动构建平行资产组合(2017)
  16. M·S·R,Mustafa;Sebag,MICEALE:\TrimeSCORSOR:算法推荐系统(2017)
  17. Van Craenendonck,Toon;Brutkel,亨德里克:基于约束的聚类选择(2017)
  18. 于仁柳,易琦虎,洪倩,Yang Yu,晁倩:Zoopt/Zoojl:无导数优化工具箱(2017)阿西夫
  19. Bischl、贝尔恩德、Kerschke、Pascal、Kotthoff、拉尔斯、林道尔、Pig、Oy、y、Fr E'Cheta、亚历山大、HoOS、Y.、Hoter、Y.、Y、Y、Y、Y、VaSoRoRon、Y::算法选择的基准库(2016)
  20. 克鲁格,Tammo;Panknin,丹尼;布劳恩,MIKIO:通过顺序测试的快速交叉验证(2015)