自动化机器学习将成为下一个AI研究主流 听听数据科学家怎么说 (自动化机器学什么的)
雷锋网按：在过去的一年当中，自动化机器学习已经成为一个众人感兴趣的话题。KDnuggets举办了一个关于该话题的博客大赛。结果喜人，有很多有意思的想法与项目被提出来了。一些自动化学习工具也引起了大家的兴趣，受到了大家的追捧。
什么是自动化机器学习呢？
接下来我们要探讨的是自动化机器学习属于哪一类科学，以及它不属于哪一类科学。
自动化机器学习并不属于自动化数据科学。毫无疑问的是它与自动化数据科学有重复的部分。尽管如此，机器学习只是数据科学工具包中的一个工具。它无法对所有的数据科学任务起作用。例如，机器学习虽然适用于预测性的数据科学任务。但它并不适用于描述性分析的数据科学任务。
即使是那些预测性的数据科学任务，也不仅仅只包含预测。我们对自动化机器学习与自动化数据科学会产生了混淆，对此，数据科学家Sandro Saitta认为：
他是完全正确的，不仅仅是词义的问题。假如你想要对机器学习与数据科学有一个更加清晰的认识，那就读读这个。
此外，数据科学家、自动化机器学习的领军人物Randy Olson认为我们要想得到高效的机器学习设计方案，我们必须做到以下几点：
假如我们将以上所说的东西都考虑进去，那么我们可以认为自动化机器学习的任务是选择算法、超参调整、迭代建模以及模型评价，这样的话，我们就可以以此来定义自动化机器学习了。自动化机器学习的定义是多种多样的（对比一下数据科学，当你向十个人询问什么是数据科学的时候，你会得到是十一种不同的回答。），但是我们却可以说，这开了个好头儿。
尽管我们知道了自动化机器学习的概念，自动化机器学习对我们可能有好处，但是我们仍需要知道为什么机器学习会很难。
AI研究人员、斯坦福大学博士生S. Zayd Enam最近写了一篇奇特的博客，博客的标题是《为什么机器学习这么“硬”？》，在这篇文章中，他写道（注意粗体字）：
请注意，尽管Enam主要提及的是机器学习的研究，但是他也提到了现成的算法在用例中的实现（见粗体字）。
紧接着Enam详细阐述了机器学习的难题，并着重叙述了算法的特性（见粗体字）：
Enam紧接着从算法研究层面阐述了框架问题。再次强调下，他所说的是应用算法。假如一个算法不起作用，或者性能不是很好，那么我们就需要对算法进行迭代，即再选择与再定义。这就产生了自动化，因此也就有了自动化算法。
我以前对于自动化机器学习算法本质的理解是这样的：
很简单，对不对？
对自动化机器学习工具进行比较
现在我们知道了自动化机器学习到底是什么了，以及我们要用它的原因。那我们我们该如何才能创造出一个自动化机器学习模型来？接下来要讲解的是两个自动机器学习工具包的概述，以及二者之间比较。这些工具包是使用python编写而成的。这两个工具使用不同的方式来达到相同的目的，也就是是机器学习过程的自动化。
Auto-sklearn是自动化机器学习的工具包，我们用它来替换scikit-learn中的estimator。在最近由KDnuggets举办的机器学习博客大赛中，它取得了冠军头衔。
auto-sklearn使机器学习的使用者可以很轻松的进行算法选择以及超参数的调整。它的优势就是在于使用贝叶斯优化、元数据学习以及集合建设。要想了解更多关于auto-sklearn的背后技术，你可以阅读这篇2015年发表在NIPS论文。
上面的信息是摘自项目的文档说明，Auto-sklearn可以通过贝叶斯优化方式将超参数最优化，就是通过不断迭代以下几个步骤：
下面将进一步阐明这个过程是如何进行的：
这个过程可以概括为联合选择算法、预处理方法以及超参数。具体如下：分类/回归的选择、预处理方法是最高优先级、分类超参数、被选择方法的超参数会被激活。我们将使用贝叶斯优化方法来搜索组合空间。贝叶斯优化方法适用于处理高维条件空间。我们使用SMAC，SMAC是的基础是随机森林，它是解决这类问题的最好方式。
就实用性而言，由于Auto-sklearn直接替代scikit-learn的estimator，因此scikt-learn需要安装这个功能，我们才能利用到这个优势。Auto-sklearn同样也支持在分布式文件系统中进行并行计算，同时它也可以利用scikit-learn模型的持续特性。要想高效的使用Auto-sklearn替代estimator只需要4行代码就可以了。作者这样写道：
需要注意的是，Auto-sklearn是ChaLearn AutoML challenge竞赛中，auto单元与tweakathon tracks单元的双料冠军。
最近Kdnuggets举办了自动化数据科学与机器学习博客大赛，Auto-sklearn研发团队提交的一篇博文在本次大赛中获奖，你可以 点击这里 进行阅读，同样也可以 点击这里 来阅读对他们的的采访。Auto-sklearn是由Freiburg大学研发出来的。
Auto-sklearn已经被托管到GitHub上了，你可以找到相关文档以及API。
TPOT被认为是“你的数据科学助手”（要注意，不是“你的数据科学替代品”）。它是一个Python的工具。通过使用“遗传编程来自动的创建与优化机器学习管道”。TPOT与Auto-sklearn类似，与scikit-learn协同工作。就像是scikit-learn的包装器。
在本文中，我们曾提到过，这两个工具使用不同的方式，达到相似的目标。二者都是开源的，都是使用python编写而成的，都宣称通过使用自动化机器学习的方式简化了机器学习的过程。然而Auto-sklearn使用的是贝叶斯优化，TPOT使用的却是遗传编程。
尽管两者使用的方法不同，但是二者的最终结果却是相同的：自动化超参数选择，用一系列算进行建模，对大量特征的探索，这些都导致了迭代建模以及模型进化。
TPOT的真正好处之一就是使用scikit-learn的管道，产生可以准备运行的、独立的Python代码。这个代码代表着所有备选模型中表现最好的模型。我们就可以修改与审查这份代码。这份代码并不会是最终的模型，而是可以当做是我们寻找最优模型的有效起点。
下面是一个关于TPOT的例子，该案例使用MNIST数据集：
这次运行的结果正确率达到了98%，同时pyhton代码也就是我们所说的管道也会被导入到tpot-mnist-pipeline.py文件当中，如下所示：
我们可以 在GitHub上找到TPOT的源代码 ，以及说明文档。
TPOT的领军人物Randy Olson在Kdnuggets上写过一篇关于TPOT 与AutoML（自动化机器学习）的文章，你可以 点击这里 找到该文章。也会在这里找到对Randy的采访。
TPOT是由宾夕法尼亚大学生物医学信息学研究所研究出来的，由NIH资助。
当然，自动化机器学习不仅仅只有这两个工具。还有其他的工具，像Hyperopt (Hyperopt-sklearn)、 Auto-WEKA,以及Spearmint等等。我打赌在未来几年，大量相关的额外项目将会出现，这些项目中既会包含研究项目，也会包含工业项目。
自动化机器学习的未来
自动化机器学习的未来在哪里？
我最近公开地进行过以下陈述（根据我的文章《2017年机器学习预测》）：
在同一篇文章当中，Randy Olson也表达了在2017年他对自动化机器学习的期望。此外Randy在最近的采访中有更加详细地阐述了他的预测：
但是自动化机器学习是否会替代数据科学家？Randy继续说道：
我并不认为自动化机器学习的目标是为了替代数据科学家，就像是智能代码自动完成工具的目标并不是来替代程序员一样。相反，对于我来说，自动化机器学习的的目标是为了减轻数据科学家的压力，使他们不必将大量的精力耗费在重复与耗时的任务上（比如说机器学习的管道设计与超参数的最优化）。这样他们就可以将时间投入到无法进行自动化的任务当中去。
这种思想十分好。auto-sklearn的开发人员也同样认同他的观点：
这听起来十分的鼓舞人心：数据科学家不会被大量替换，自动化机器学习是为了帮助他们更好的工作。这并不是说自动化机器学习已经很完美了。在我们提到自动机器学习是否还有进步空间的时候，Auto-sklearn团队如是说：
自动化机器学习的发展方向在哪里？很难说清楚。毋庸置疑的是，迟早会出现。尽管不是所有的数据科学家都熟知自动化机器学习，但是熟知自动化机器学习将会使你获益匪浅。别忘了，假如你能够在大多数人意识到之前就去学习自动化机器学习，驾驭科技浪潮，你就不会因未来的不确定性而担心你的工作了。你对于这些技术的驾驭利用将会帮助你在未来更好的工作。而我也再想不出比这个更好的理由来学习自动化机器学习了。
原创文章，未经授权禁止转载。详情见 转载须知 。
福建桑涂环境科技有限公司是一家专注于RCO催化燃烧设备，环保催化燃烧设备，废气催化燃烧设备的高新技术环保企业，我司拥有严格的管理制度，一流的服务质量，详询18350183331。
天下新闻头条为您精选当天最热门的新闻资讯，最受关注的社会新闻时尚八卦等，看新闻就来天下新闻头条！
我们努力把你留在溧水。
江苏梅兰化工有限公司始建于1958年8月，坐落于长江三角洲的江苏省泰州市，是国家高新技术企业、江苏省重点培育企业、江苏省“重合同守信用”企业、中国石油和化学工业500强企业，建有国家级博士后科研工作站。
考研网上辅导：考研网上辅导班有用吗，考研网上辅导班，考研网上辅导，考研网上补习班！
青峰QFTouch移动网站超市库是一个拥有上百种移动手机网站模板库的免费建站平台，实用的功能模块、极致的用户体验，使您可以在这里分分钟搭建一个强大的移动网站。
本公司生产销售纳米二氧化钛胶体,车用光触媒，居屋光触媒,光触媒原液,纳米造纸助留助滤剂，自洁产品光催化剂，纳米絮凝剂,污水深度处理光催化剂,特效甲醛净,
金湾财经专注黄金原油期货、贵金属白银期货、恒指期货、恒生指数、德指纳指、道指、天然气、美精铜、外汇EIA非农、股指期货直播间喊单,国际外盘期货直播室22小时在线喊单,提供期货开户、手续费减免、保证金交易服务.
想养老，找安养！安养养老立足于上海，辐射长三角，其养老机构联盟已签约有众多中大型养老机构。我们设立有专业性的养老顾问团队，来帮助长者解决养老需求，寻找理想的养老机构。
全息通，由全息数字科技有限公司负责运营，以“专注文化、服务旅游”为宗旨，专业建设文旅信息化的大型文旅综合网站，包含文化资讯、旅游资讯、文史博览、智慧旅游、文旅课堂、文化阅读、艺术教育、文创空间、旅游景观、本地文旅等。
传奇超变私服致力于为玩家带来激情畅玩的游戏体验。我们的游戏库涵盖了各类游戏类型，包括动作、冒险、射击、角色扮演、竞技等，让您沉浸于精彩纷呈的游戏世界，享受游戏带来的刺激和乐趣。为您提供丰富多样的游戏选择。我们的游戏社区是一个与玩家交流、分享游戏心得的平台，您可以结识新的游戏伙伴，共同探讨游戏乐趣。我们还提供专业的游戏攻略和技巧，助您在游戏中取得更好的成绩。
专业TFTLCD液晶屏定制。IPS液晶屏,TFTLCD,液晶屏工厂，液晶屏订制，高亮度液晶屏定制，2.4寸,3.5寸,4.3寸,5寸,7寸,8寸,9寸,10.1寸,11.6寸,13.3寸,14寸,15寸,19寸,21.5寸,27寸,32寸液晶屏,320x240,320x480,480x272,800x480,1024x600,1280x800,1366x768,1920x1080,2K,4K等各种分辨率液晶屏
在大多数机器学习竞赛中，特诊工程的质量通常决定着整个作品的得分与排名，也是参赛者们非常看重的一部分，在GitHub上，作者Nomi，专注于计算机视觉与嵌入式技术，也是tiny，dnn的原作者，向我们介绍了一个面向kaggle数据科学和离线竞赛的实用工具库nyaggle，可供开发者专用于特征工程与验证，在机器学习和模式识别中，特征工程的...。
雷锋网AI科技评论按，对于机器学习而言，区分异常数据或有显著差异数据至关重要，谷歌在NeurIPS2019论文中提出并发布了针对基因组序列OOD检测的现实基准数据集，进而提出一种基于似然比的解决方案，可显著提高OOD检测的准确性，AI科技评论将谷歌对该方法的官方解读编译如下，深度学习科学家要成功部署机器学习系统，需要系统能够区分出异常...。
雷锋网AI科技评论按，作为最久负盛名的机器学习顶会之一，今年NeurIPS2019在召开之前就消息不断，在今年论文审稿期间，NeurIPS2019程序委员会主席专门发布声明称，19篇论文因一稿多投被拒收，一时造成热议；而在会议近一个月前，多位黑人参会者们申请加拿大签证被拒的消息引起了AI学者们纷纷为其发声并对近年来签证问题的讨论展开了...。
雷锋网AI科技评论按，本文来自德国Fraunhofer协会IAIS研究所的研究科学家MichaelGalkin，他的研究课题主要是把知识图结合到对话AI中，雷锋网AI科技评论全文编译如下，必须承认，图的机器学习，MachineLearningonGraphs，已经成为各大AI顶会的热门话题，NeurIPS当然也不会例外，在NeurIP...。
雷锋网消息，7月9日，由中国计算机学会，CCF，主办，雷锋网和香港中文大学，深圳，承办的第二届CCF，GAIR全球人工智能与机器人峰会进入了第三天，在机器学习专场第三场，iPINCEO杨洋为大会带来了题为，认知分析—透过机器重新审视商业本质，的分享，阐述了当前AI技术遭遇的瓶颈——认知，让机器实现认知的条件，以及获得认知能力后，技术可...。
雷锋网按，就大量关于，杀手级机器人，的炒作来说，2017年在人工智能方面取得了一些显著的进步，阿尔法狗、冷扑大师等棋牌机器人能让顶级玩家陷入绝望，在现实世界中，机器学习正被用于改善农业，以及扩大医疗保健的覆盖面，但你最近和Siri或者Alexa对话过吗，如果有，那么你会知道，撇开这些炒作，以及踌躇满志的亿万富翁们，还有很多事情人工智能...。
大家好，我就是倪蘋，社区昵称是MLer，1，毕业于纽约大学计算机科学专业，我目前正在利物浦大学从事机器学习算法相关的研究和开发工作，研究领域包括NLP，CV和分布式计算，之前一直在关注领域内的各大顶会，后来通过AI科技评论的公众号发现了AI研习社，ai.yanxishe.com，，分享、交流的圈子又扩大了数倍，再此感谢研习社提供的交流...。
通过使用优化的数据增强方法，在CIFAR，10、CIFAR，100、SVHN和ImageNet上得到了目前最好的结果，您可以从这里找到和使用它们，在ImageNet上得到的最好的增强效果，源自，https，arxiv.org，abs，1805.09501v1AutoML——使用机器学习来改进机器学习设计，如体系结构或优化器，的想法...。
雷锋网AI科技评论按，今日，谷歌分享了SemanticExperiences，在博客中展示了两大关于自然语言理解的互动工具，TalktoBooks是一个可以从书中的句子层面搜索书籍的全新检索模式；另一个互动内容则是Semantris，一个由机器学习驱动的单词联想游戏，地址，https，research.google.com，sem...。
语音播放文章内容由深声科技提供技术支持您的浏览器不支持audio元素，雷锋网AI科技评论按，2019年12月8日，14日，机器学习领域国际顶级会议NeurIPS2019于加拿大温哥华拉开帷幕，此次大会共吸引了全球1万余名专家学者共赴盛会，本年度，自然语言处理领域在深度学习浪潮下取得了显著成就，成为大会重要议题之一，百度举办了自然语言处...。
科技发展的洪流，总是跟随着一些前沿的概念而向前；目前我们熟悉的大数据、云计算、人工智能、机器学习都曾经扮演过前沿概念的角色，但现在，当人工智能已经成为一个常见词汇并被用作一个时代的标签，代表前沿科技发展的，已经是量子计算这样的新兴词汇，当然，这一词汇也不完完全全是概念，实际上也有一些大公司在积极探索并已经推出一些相应的成果，其中比较典...。
雷锋网AI科技评论按，量子优势，这个概念是科技公司大多公开表达或半公开支持一种说法，即量子计算机的计算性能超越史上最强的经典计算机，在通往，量子优势，这条道路上，IBM可谓是一位超级积极分子，日前，IBM发布博文介绍了其在，自然，上发表的一篇名为，使用量子强化特征空间的监督学习，的论文所提出的一种量子算法，称该算法有望在不远的将来让...。
安全是最大的豪华，隐私是至上的尊贵，余承东的名言，并非仅，遥遥领先，一句，随着智能汽车时代的到来，车辆的定义已然发生了变化，汽车不再仅仅是出行工具，而是成为了如手机一般的数字产品，数据安全，也成为用户购车时考虑的重要因素之一，广州日报，发起的一项针对智能车的调研显示，除了品牌、外观、价格、续航因素，43%的用户已将系统安全性，数...。
魅族与阿里海尔做智能家居能成吗，我看不成，在可预见的将来，智能家居需要一个计算中心，来处理家用电器产生的数据，处理、优化，然后回馈，以便让用户生活得更舒适，就目前来看，没有比智能手机更好的计算中心，除了能够胜任计算中心这个基本任务，它还有片刻不离左右的属性以及能让智能家居获得一个更高的起点——智能家居可以充分利用智能手机操作系统这个平...。
雷锋网AI科技评论按，继中国科学院大学成立了我国首个人工智能技术学院之后，西安电子科技大学、湖南工业大学、哈尔滨工业大学、南开大学、南京大学等高校也先后成立了人工智能学院，近日，中国人民大学也成立了人工智能学院，1月19日，中国人民大学成立高瓴人工智能学院，以响应国家对新一代人工智能发展的战略号召，通过发展人工智能和前沿交叉学科进一步...。
机器代替人类劳动的情况在一个世纪以前就已经发生了，不过人们因为缺乏知识，担心自身工作不保，或者满足于现有科技，经常对技术的进步和变化有消极抵抗的情绪，随着自动化和工业物联网的发展，很多人仍旧担心自己会因此失业，甚至破坏技术的发展，但是，这真的有必要吗，先进自动化协会主席JeffBurnstein解释道，真正对工作产生威胁的原因在于自...。
一年一度的计算机领域的国际学术大会CHI2022已经在美国新奥尔良成功召开，作为开启线下参会的代表，其带来的，沉浸式，体验广受好评，但会议完毕之后，据推特，实名认证，的科学家们在线晒新冠核酸检测，很多人得到了新冠阳性结果☹，是的，参加完一场学术会议，某些人变阳了，例如这位哈佛大学计算机助理教授表示，多年未进行面对面的科学交流，在CHI...。
