摘要

我们推出了 AutoGluon-Tabular，这是一个开源的自动机器学习（AutoML）框架，仅需一行 Python 代码即可在未经处理的表格型数据（如 CSV 文件）上训练出高精度的机器学习模型。与现有 AutoML 框架主要聚焦于模型和超参数选择不同，AutoGluon-Tabular 的核心优势在于通过多层堆叠（stacking）集成多种模型，实现多层模型组合。实验结果表明，这种多层模型组合在充分利用分配的训练时间方面，显著优于单纯寻找“最优”单一模型的策略。第二项贡献是对多个公开及商业 AutoML 平台的全面评估，涵盖 TPOT、H2O、AutoWEKA、auto-sklearn、AutoGluon 以及 Google AutoML Tables。在来自 Kaggle 和 OpenML AutoML 基准测试的 50 个分类与回归任务上进行的测试表明，AutoGluon 在速度、鲁棒性和准确性方面均表现优异，显著优于其他平台。我们发现，AutoGluon 的性能甚至常常超越所有竞争对手在事后（in-hindsight）组合出的最佳模型表现。在两个广受欢迎的 Kaggle 竞赛中，AutoGluon 仅使用原始数据训练 4 小时，便击败了 99% 的参赛数据科学家。