×
费利克斯·摩尔；马塞尔·韦弗；埃克·Hüllermier

ML-plan：通过分层规划实现自动机器学习。 （英语） Zbl 1473.68157号

机器。学习。 107，编号8-10，1495-1515（2018）.
摘要：自动机器学习（AutoML）寻求自动选择、组合和参数化机器学习算法，以便在给定任务（数据集）上实现最佳性能。尽管当前的AutoML方法已经产生了令人印象深刻的结果，但该领域还远未成熟，新技术仍在开发中。在本文中，我们提出了ML-Plan，这是一种基于分层规划的AutoML的新方法。为了突出这种方法的潜力，我们将ML-Plan与最先进的框架Auto-WEKA、Auto-sklearn和TPOT进行了比较。在一系列广泛的实验中，我们表明ML-Plan具有很强的竞争力，通常优于现有的方法。

引用于5文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
68T20型 人工智能背景下的问题解决（启发式、搜索策略等）

关键词：

自动化机器学习；自动化规划；算法选择；算法配置；启发式搜索

软件：

商店2；汽车-WEKA；开放多媒体程序库；自动锁相环；TPOT公司；SMAC公司；ML计划；Hyperopt公司
PDF格式BibTeX公司 XML格式引用
\textit{F.Mohr}等人，马赫。学习。107，编号8-10，1495-1515（2018；兹bl 1473.68157）
全文： 内政部

参考文献：

[1] 比约恩松，Y；Finnsson，H，Cadiaplayer:一个基于仿真的通用游戏玩家，IEEE游戏中计算智能和AI事务，1，4-15，（2009）·doi:10.1010/TCIAIG.2009.2018702
[2] 布朗，C；鲍利，EJ；怀特豪斯，D；山猫卢卡斯；整流罩，PI；罗尔夫沙根，P；塔雷德，S；Liebana，DP；萨莫特拉基斯，S；Colton，S，《蒙特卡洛树搜索方法调查》，IEEE游戏中计算智能和人工智能汇刊，4，1-43，（2012）·doi:10.1109/TCIAIG.2012.2186810
[3] de Sá，A.G.、Pinto，W.J.G.、Oliveira，L.O.V.和Pappa，G.L.（2017）。配方：一个基于语法的框架，用于自动演化分类管道。在欧洲遗传规划会议（第246-261页）。斯普林格。
[4] Erol，K.、Hendler，J.A.和Nau，D.S.（1994年）。UMCP：用于分层任务网络规划的完善程序。在第二届人工智能规划系统国际会议记录，美国伊利诺伊州芝加哥芝加哥大学，1994年6月13日至15日（第249-254页）。http://www.aaai.org/Library/AIPS/1994/aips94-042.php。
[5] Feurer，M.、Klein，A.、Eggensperger，K.、Springenberg，J.、Blum，M.和Hutter，F.（2015）。高效可靠的自动机器学习。在C.Cortes、N.D.Lawrence、D.D.Lee、M.Sugiyama和R.Garnett（编辑）中，神经信息处理系统研究进展（第2962-2970页）。Curran Associates公司。
[6] Ghallab，M.、Nau，D.S.和Traverso，P.（2004）。自动规划理论与实践纽约：爱思唯尔·兹比尔1074.68613
[7] Hutter，F；箍，HH；Leyton-Brown，K，通用算法配置的基于序列模型的优化，LION，5，507-523，（2011）
[8] Kietz，J.、Serban，F.、Bernstein，A.和Fischer，S.（2009年）。面向数据挖掘工作流的协同规划。在2009年欧洲机器学习会议第三代数据挖掘研讨会会议记录（第1-12页）。Citeser。
[9] Kietz，J.U.、Serban，F.、Bernstein，A.和Fischer，S.（2012年）。通过HTN规划设计KDD工作流以获得智能发现帮助。在第五次计划在2012年ECAI上学习WS28研讨会（第10页）。
[10] Kocsis，L.、Szepesvári，C.和Willemson，J.（2006）。改进的Monte-Carlo搜索。技术报告1，爱沙尼亚塔尔图大学。
[11] Komer，B.、Bergstra，J.和Eliasmith，C.（2014）。Hyperopt-sklearn：scikit-learn的自动超参数配置。在关于AutoML的ICML研讨会.
[12] Kotthoff，L；桑顿，C；箍，HH；Hutter，F；Leyton-Brown，K，Auto-WEKA 2.0:WEKA中的自动模型选择和超参数优化，机器学习研究杂志，18，826-830，（2017）·Zbl 06781346号
[13] Lloyd，J.R.、Duvenaud，D.K.、Grosse，R.B.、Tenenbaum，J.B.和Ghahramani，Z.（2014）。非参数回归模型的自动构建和自然语言描述。在加拿大魁北克省魁北克市第二十八届AAAI人工智能会议记录（第1242-1250页）。
[14] Mohr，F.、Wever，M.、Hüllermier，E.和Faez，A.（2018年）。面向机器学习服务的自动组合。在IEEE服务计算国际会议记录.合同专用条款。
[15] 瑙，DS；金、硫；伊利哈米，O；库特，U；默多克，JW；吴，D；Yaman，F，SHOP2:HTN规划系统，《人工智能研究杂志》（JAIR），20379-404，（2003）·Zbl 1058.68106号 ·doi:10.1613/jair.1141
[16] Nguyen，P；希拉里奥，M；Kalousis，A，《使用元挖掘支持数据挖掘工作流规划和优化》，《人工智能研究杂志》，51，605-644，（2014）·doi:10.1613/jair.4377
[17] Nguyen，P.、Kalousis，A.和Hilario，M.（2011年）。支持KD工作流优化的元管理基础结构。在ECML/PKDD PlanSoKD-11研讨会会议记录（第1-10页）。
[18] Nguyen，P.、Kalousis，A.和Hilario，M.（2012年）。e-lico meta-miner的实验评估。在第五次计划在ECAI学习WS28研讨会（第18-19页）。
[19] Olson，R.S.和Moore，J.H.（2016）。Tpot：用于自动化机器学习的基于树的管道优化工具。在自动机器学习研讨会（第66-74页）。
[20] 沙德，MPD；温兰德斯，MHM；Herik，HJ；查斯洛特，GMJB；Uiterwijk，JWHM；Herik，HJ（编辑）；Xu，X（编辑）；Ma，Z（编辑）；Winands，MHM（编辑），单层Monte-Carlo树搜索，（2008），柏林
[21] Thornton，C.、Hutter，F.、Hoos，H.H.和Leyton-Brown，K.（2013）。Auto-WEKA：分类算法的组合选择和超参数优化。在第19届ACM SIGKDD知识发现和数据挖掘国际会议，KDD 2013，美国伊利诺伊州芝加哥（第847-855页）。
[22] Vanschoren，J；JN，Rijn；Bischl，B；Torgo，L，Openml:机器学习中的网络科学，SIGKDD探索，15，49-60，（2013）·数字对象标识代码：10.1145/2641190.2641198
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。