AutoGluon表格 swMATH ID: 40229 软件作者: 尼克·埃里克森、乔纳斯·穆勒、亚历山大·希尔科夫、张航、佩德罗·拉罗伊、穆力、亚历山大·斯莫拉 描述: AutoGluon-Tabular:用于结构化数据的健壮且准确的AutoML。我们介绍了AutoGluon-Tabular,这是一个开源的AutoML框架,它只需要一行Python就可以在未处理的表格数据集(如CSV文件)上训练高度准确的机器学习模型。与主要关注模型/超参数选择的现有AutoML框架不同,AutoGlun-Tabular通过集成多个模型并将其堆叠在多个层中而获得成功。实验表明,与寻找最佳训练时间相比,我们对多个模型的多层组合可以更好地利用分配的训练时间。第二个贡献是对公共和商业AutoML平台的广泛评估,包括TPOT、H2O、AutoWEKA、auto-sklearn、AutoGluon和Google AutoML Tables。对Kaggle和OpenML AutoML Benchmark中50个分类和回归任务的测试表明,AutoGlion更快、更健壮、更准确。我们发现,AutoGloon往往甚至优于其所有竞争对手中事后看来最好的组合。在两项热门的卡格尔比赛中,AutoGluon击败了99 主页: https://auto.gluon.ai/stable/index.html 源代码: https://github.com/awslabs/autogluon 依赖项: 蟒蛇 关键词: 机器学习;arXiv_状态ML;arXiv_cs。LG公司;AutoGluon公司;自动ML;蟒蛇 相关软件: TPOT公司;自动锁相环;蟒蛇;Scikit公司;汽车-WEKA;水;法斯塔;亚当;DGL公司;NetworkX公司;PyGSP公司;凯拉斯;TensorFlow公司;皮格兰克;双簧管;蜻蜓;ML计划;超波段;SMAC公司;威卡 引用于: 2文件 标准条款 1出版物描述软件 年份 AutoGluon-Tabular:用于结构化数据的健壮且准确的AutoMLarXiv公司尼克·埃里克森、乔纳斯·穆勒、亚历山大·希尔科夫、张航、佩德罗·拉罗伊、穆力、亚历山大·斯莫拉 2020 4位作者引用 1 特迪·拉泽布尼克 1 费利克斯·摩尔 1 阿维·罗森菲尔德 1 马塞尔·韦弗 2篇连载文章中引用 1 机器学习 1 国际应用数学与计算机科学杂志 在2个字段中引用 2 计算机科学(68至XX) 1 统计学(62-XX) 按年份列出的引文