自动机器学习(方法系统与挑战全彩英文版香农信息科学经典)

本书全面介绍自动机器 学习，主要包含自动机器学 习的方法、实际可用的自动 机器学习系统及目前所面临 的挑战。在自动机器学习方 法中，本书涵盖超参优化、 元学习、神经网络架构搜索 三个部分，每一部分都包括 详细的内容介绍、原理解读 、具体运用方法和存在的问 题等。此外，本书还具体介 绍了现有的各种可用的自动 机器学习系统，如Auto- sklearn、Auto-WEKA及 Auto-Net等，并且本书最后 一章详细介绍了具有代表性 的AutoML挑战赛及挑战赛 结果背后所蕴含的理念，有 助于从业者设计出自己的 AutoML系统。

Part I AutoML Methods 1 Hyperparameter Optimization Matthias Feurer and Frank Hutter 2 Meta-Learning Joaquin Vanschoren 3 Neural Architecture Search .…. Thomas Elsken, Jan Hendrik Metzen, and Frank Hutter Part II AutoML Systems 4 Auto-WEKA: Automatic Model Selection and Hyperparameter Optimization in WEKA.. Lars Kotthoff, Chris Thornton, Holger H. Hoos, Frank Hutter, and Kevin Leyton-Brown 5 Hyperopt-Sklearn. Brent Komer, James Bergstra, and Chris Eliasmith 6 Auto-sklearn: Efficient and Robust Automated Machine Learning Matthias Feurer, Aaron Klein, Katharina Eggensperger, Jost Tobias Springenberg, Manuel Blum, and Frank Hutter 7 Towards Automatically-Tuned Deep Neural Networks. Hector Mendoza, Aaron Klein, Matthias Feurer, Jost Tobias Springenberg, Matthias Urban, Michael Burkart, Maximilian Dippel, Marius Lindauer, and Frank Hutter 8 TPOT: A Tree-Based Pipeline Optimization Tool for Automating Machine Learning Randal S. Olson and Jason H. Moore 9 The Automatic Statistician Christian Steinruecken, Emma Smith, David Janz, James Lloyd, and Zoubin Ghahramani Part III AutoML Challenges 10 Analysis of the AutoML Challenge Series 2015-2018 …. Isabelle Guyon, Lisheng Sun-Hosoya, Marc Boullé, Hugo Jair Escalante, Sergio Escalera, Zhengying Liu, Damir Jajetic, Bisakha Ray, Mehreen Saeed, Michèle Sebag, Alexander Statnikov, Wei-Wei Tu, and Evelyne Viegas