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