| 최신판 |
당신의 편집 |
| 1번째 줄: |
1번째 줄: |
| [[분류:인공지능]] | | [[분류:인공지능]] |
| '''Auto Machine Learning; 자동 기계학습; 자동 머신러닝'''
| | Auto Machine Learning; 자동 기계학습; 자동 머신러닝 |
| ;AutoML은 기계학습상의 [[HITL]]을 개선하여 완전한 자동화를 추구하는 인공지능 분야 및 그 기술을 아우르는 용어이다. | | ;기계학습상의 [[HITL]]을 개선하여 완전한 자동화를 추구하는 인공지능 분야 |
| | |
| == AutoML의 의의 ==
| |
| * 현재 기계학습의 상당 부분은 인간의 수작업에 의존 | | * 현재 기계학습의 상당 부분은 인간의 수작업에 의존 |
| ** [[데이터 전처리]], [[하이퍼 파라미터]] 최적화 등 | | ** [[데이터 전처리]], [[하이퍼 파라미터]] 최적화 등 |
| * 이런 수작업을 줄이거나 자동화할 경우 기계학습 응용성 극대화 가능 | | * 이런 수작업을 줄이거나 자동화할 경우 기계학습 응용성 극대화 가능 |
|
| |
| == 관련 도구 및 라이브러리 ==
| |
|
| |
| * [[Autogluon]]
| |
|
| |
| == 예시 ==
| |
| autogluon을 이용하여 가작 적합한 모델을 찾는 과정<syntaxhighlight lang="abl">
| |
| AutoGluon will gauge predictive performance using evaluation metric: 'accuracy'
| |
| To change this, specify the eval_metric parameter of Predictor()
| |
| Automatically generating train/validation split with holdout_frac=0.2, Train Rows: 400, Val Rows: 100
| |
| Fitting 13 L1 models ...
| |
| Fitting model: KNeighborsUnif ...
| |
| 0.73 = Validation score (accuracy)
| |
| 0.0s = Training runtime
| |
| 0.01s = Validation runtime
| |
| Fitting model: KNeighborsDist ...
| |
| 0.65 = Validation score (accuracy)
| |
| 0.0s = Training runtime
| |
| 0.0s = Validation runtime
| |
| Fitting model: LightGBMXT ...
| |
| 0.83 = Validation score (accuracy)
| |
| 1.01s = Training runtime
| |
| 0.01s = Validation runtime
| |
| Fitting model: LightGBM ...
| |
| 0.85 = Validation score (accuracy)
| |
| 0.23s = Training runtime
| |
| 0.01s = Validation runtime
| |
| Fitting model: RandomForestGini ...
| |
| 0.84 = Validation score (accuracy)
| |
| 0.58s = Training runtime
| |
| 0.06s = Validation runtime
| |
| Fitting model: RandomForestEntr ...
| |
| 0.83 = Validation score (accuracy)
| |
| 0.47s = Training runtime
| |
| 0.06s = Validation runtime
| |
| Fitting model: CatBoost ...
| |
| 0.85 = Validation score (accuracy)
| |
| 1.13s = Training runtime
| |
| 0.01s = Validation runtime
| |
| Fitting model: ExtraTreesGini ...
| |
| 0.82 = Validation score (accuracy)
| |
| 0.47s = Training runtime
| |
| 0.06s = Validation runtime
| |
| Fitting model: ExtraTreesEntr ...
| |
| 0.81 = Validation score (accuracy)
| |
| 0.47s = Training runtime
| |
| 0.06s = Validation runtime
| |
| Fitting model: NeuralNetFastAI ...
| |
| 0.82 = Validation score (accuracy)
| |
| 3.2s = Training runtime
| |
| 0.02s = Validation runtime
| |
| Fitting model: XGBoost ...
| |
| 0.87 = Validation score (accuracy)
| |
| 0.23s = Training runtime
| |
| 0.01s = Validation runtime
| |
| Fitting model: NeuralNetTorch ...
| |
| 0.85 = Validation score (accuracy)
| |
| 2.08s = Training runtime
| |
| 0.01s = Validation runtime
| |
| Fitting model: LightGBMLarge ...
| |
| 0.83 = Validation score (accuracy)
| |
| 0.35s = Training runtime
| |
| 0.01s = Validation runtime
| |
| Fitting model: WeightedEnsemble_L2 ...
| |
| 0.87 = Validation score (accuracy)
| |
| 0.38s = Training runtime
| |
| 0.0s = Validation runtime
| |
| AutoGluon training complete, total runtime = 11.19s ... Best model: "WeightedEnsemble_L2"
| |
| TabularPredictor saved. To load, use: predictor = TabularPredictor.load("AutogluonModels/ag-20221125_121604/")
| |
| </syntaxhighlight>
| |
