让AI去训练AI，autoML、autoKeras、auto-sklearn了解一波
- 2019 年 10 月 8 日
- 笔记
↑ 点击加入mixlab社区
15000+跨学科人群，机器学习、量化交易、物联网、区块链、产品、建筑设计、服装设计、珠宝设计、音乐、艺术等。
当你有一个idea的时候，好不容易收集好了数据，但是面对一堆的机器学习算法，还有各种参数的调试，这个时候，只能一种一种算法进行尝试，各种参数进行组合试验，此过程非常耗费时间跟精力，是个重复的劳动的过程，这个时候，我们就会想，能不能为此过程也开发一种算法，来自动帮我们完成算法和超参的选择，于是autoML就诞生了。
——让AI去训练AI。
我们先了解下自动化机器学习是什么？
Automatic Machine Learning, AutoML
简单来说就是一种自动化任务的方法，包括以下内容：
- 预处理并清理数据
- 选择并构建适当的功能
- 选择合适的模型
- 优化模型超参数
- 后处理机器学习模型
- 批判性地分析所获得的结果
在机器学习自动化方面，谷歌的 AutoML 无疑地位稳固。AutoML 基于谷歌最新的图像识别技术神经架构搜索（ Neural Architecture Search ，NAS）。NAS 是一种算法，会根据特定数据集搜索最佳神经网络架构，以在该数据集上执行特定任务。
AutoML 则是一套机器学习工具，可以轻松训练高性能深度网络，而无需用户掌握深度学习或 AI 知识，用户值需要标记数据，导入工具即可。然而，谷歌的AutoML是收费的。这边介绍2个开源解决库：
1 AutoKeras
AutoKeras 是一个用于自动化机器学习的开源软件库，提供自动搜索深度学习模型的架构和超参数的功能。
安装相当简单：
pip install autokeras
4行即可实现图像分类：
import autokeras as ak cls = ak.ImageClassifier() cls.fit(X_train, y_train) predictions = cls.predict(X_test)
2 Auto-sklearn
http://automl.github.io/auto-sklearn
跟Auto-Keras类似，Auto-sklearn是基于sklearn的。
同样，也是4行代码：
import autosklearn.classification cls = autosklearn.classification.AutoSklearnClassifier() cls.fit(X_train, y_train) predictions = cls.predict(X_test)
有机会可以尝试下以上2个AI训练AI的开源库～
也许某一天AI会自己收集数据，自己训练AI，自己部署成应用。
以上为全文。
