關(guān)于自動機器學(xué)習(xí)的概述（AutoML）

機器學(xué)習(xí)是讓算法自動的從數(shù)據(jù)中找出一組規(guī)則，從而提取數(shù)據(jù)中對分類/聚類/決策有幫助的特征，隨著機器學(xué)習(xí)的發(fā)展，其中人工需要干預(yù)的部分越來越多，而AutoML則是對機器學(xué)習(xí)模型從構(gòu)建到應(yīng)用的全過程自動化，最終得出端對端的模型（end to end）。有了AutoML，機器學(xué)習(xí)就會從下圖的曲折變?yōu)樯蠄D的一馬平川。

從流程先后順序來分，最初是數(shù)據(jù)準(zhǔn)備，包括數(shù)據(jù)收集和清洗，之后是特征工程，其中包括特征選擇（決定哪些特征需要保留），特征提?。▽μ卣鬟M行降維，常用的方法例如PCA），特征組合（將多個特征合并/構(gòu)建為一個新的特征）。

在之后的模型構(gòu)建中，最關(guān)鍵的是模型選擇，之后超參數(shù)優(yōu)化，可以采取很多方式，最簡單的做法是網(wǎng)格搜索，常用的方法包括用強化學(xué)習(xí)，進化算法，貝葉斯優(yōu)化，以及梯度下降，來縮小搜索空間；最后，AutoML通過引入提前停止，降低模型的精度，參數(shù)共享來自動化模型評價的過程。

數(shù)據(jù)收集這項任務(wù)，不在是搜索與收集真實數(shù)據(jù)，還包括產(chǎn)生模擬數(shù)據(jù)，用來擴展訓(xùn)練數(shù)據(jù)集，可以使用的新技術(shù)包括對抗神經(jīng)網(wǎng)絡(luò)（點擊查看對應(yīng)文章），還可以使用強化學(xué)習(xí)的框架，來優(yōu)化用于控制生成數(shù)據(jù)的參數(shù)，從而使得生成的數(shù)據(jù)能更有效的助力模型的訓(xùn)練。而數(shù)據(jù)清洗則是自動完成包括缺失值補全，離群點處理，特征歸一化，類別型特征的不同編碼等之前手動完成的工作。

模型的自動化選擇，傳統(tǒng)的方法是從傳統(tǒng)的模型，例如KNN，SVM，決策樹中選出一個，或多個組合起來效果最好的模型，而當(dāng)前AutoML的研究熱點是N eural Architecture Search， 也就是不經(jīng)過人工干預(yù)，模型自動生成一個對當(dāng)前任務(wù)最有效的網(wǎng)絡(luò)結(jié)構(gòu)，模型自動在自我生產(chǎn)的不同結(jié)構(gòu)下搜索最好的操作組合序列。

搜索的結(jié)果如下圖所示：

其中應(yīng)用到強化學(xué)習(xí)的部分如下圖所示：

這里的行為是以一定的概率選擇某個網(wǎng)絡(luò)結(jié)構(gòu)，行為是在該結(jié)構(gòu)下，訓(xùn)練子網(wǎng)絡(luò)，使其在訓(xùn)練集上達到預(yù)設(shè)的準(zhǔn)確率，獎勵是該子網(wǎng)絡(luò)在測試數(shù)據(jù)集上的準(zhǔn)確率與該網(wǎng)絡(luò)被選擇的概率的乘積，通過將子模型的泛化能力作為反饋，用于控制不同模型被選擇概率的RNN得以優(yōu)化其梯度，以選出泛化能力最強的模型，同時通過始終保持一定概率選擇其他模型，處理explore VS exploit的權(quán)衡。

NAS算法作為當(dāng)前AutoML最熱的研究領(lǐng)域，有很多變種，下圖展示了在CIFAR1000上，不同NAS方法的效果及訓(xùn)練用時。相比于強化學(xué)習(xí)和進化算法，傳統(tǒng)方法的用時更少。為了找到合適的網(wǎng)絡(luò)架構(gòu)，除了傳統(tǒng)的串行網(wǎng)絡(luò)，還有基于cell來做層級化網(wǎng)絡(luò)架構(gòu)搜索的。下圖展示的是先從幾個最基本的操作，搜索得出一個一級的網(wǎng)絡(luò)組件，之后在自動化的搜索如何用一級組件搭建網(wǎng)絡(luò)。

模型選定后的調(diào)參過程，最常用的是網(wǎng)格搜索，也就是按照固定的間距，在搜索空間上打點，但下圖指出，網(wǎng)格搜索不一定好過隨機搜索，原因是對于重要參數(shù)，網(wǎng)格搜索采樣地點會不足，從而導(dǎo)致無法取到對模型效果相對較好的點，autoML會使用隨機抽樣，首先評價各個超參數(shù)的重要性，之后再對重要的參數(shù)進行微調(diào)。