AutoML 自動化機器學習

自動化機器學習工具與超參數優化。

🤖 AutoML 概念

AutoML 簡介

• AutoML 自動化機器學習

🛠️ AutoML 工具

Auto-sklearn

• Auto-sklearn 機器學習金手指

⚙️ 超參數優化

Optuna

• Optuna 調整模型超參數利器

💡 AutoML 應用流程

基本流程

1. 準備資料

   • 資料清理
   • 特徵工程
   • 資料分割

2. 選擇 AutoML 工具

   • Auto-sklearn (適合傳統ML)
   • Optuna (超參數調整)

3. 自動化訓練

   • 設定搜尋空間
   • 執行自動化訓練
   • 評估模型性能

4. 模型選擇

   • 比較不同模型
   • 選擇最佳模型
   • 部署到生產環境

🎯 使用場景

Auto-sklearn 適用場景

• 快速原型開發
• 不確定哪種演算法最佳
• 需要自動特徵工程

Optuna 適用場景

• 已知演算法，需優化超參數
• 複雜的超參數空間搜尋
• 需要視覺化優化過程

🔗 相關資源

基礎知識

• 機器學習基礎 → 機器學習基礎
• 集成學習 → 整體學習

模型評估

• 交叉驗證 → Cross-Validation

最後更新: 2025-12-01