IBM/AutoMLPipeline.jl

해결하는 문제

AutoMLPipeline (AMLP)는 복잡한 기계학습 파이프라인의 생성과 최적화를 간소화합니다. 사용자가 동시에 최적의 전처리 단계 순서(특징 추출, 변환, 선택)와 회귀 또는 분류 작업에 가장 효과적인 모델 및 하이퍼파라미터를 결정해야 하는 '파이프라인 최적화 문제'(POP)를 해결합니다.

작동 방식

AMLP는 Julia의 매크로 프로그래밍을 사용하여 사용자가 심볼릭 표현을 통해 ML 워크플로우를 정의할 수 있도록 합니다. |>는 작업의 시퀀스를, +는 병렬 특징 처리 경로의 연결을 나타내는 간결한 문법을 사용합니다.

예를 들어, 범주형 특징은 원핫 인코딩으로 처리하고 수치형 특징은 PCA로 처리한 후 결합하여 랜덤 포레스트 모델에 전달하는 파이프라인을 정의할 수 있습니다. 이 패키지는 Scikit-learn과 DecisionTree와 같은 인기 있는 라이브러리의 래퍼를 제공하며, fit!과 transform! 인터페이스를 오버로드함으로써 쉽게 확장할 수 있습니다.

대상 사용자

분류 및 회귀용 기계학습 파이프라인의 구조를 빠르게 프로토타이핑하고 실험하며 최적화해야 하는 데이터 과학자 및 ML 전문가를 위한 것입니다.

주요 기능

• 심볼릭 파이프라인 API: 간단한 수학적 스타일 표현을 사용해 복잡한 워크플로우를 고수준으로 기술 가능.
• 확장 가능한 아키텍처: 두 가지 주요 인터페이스를 구현함으로써 새로운 컴포넌트를 쉽게 추가 가능.
• 메타 앙상블: 더 강력한 예측을 위해 앙상블의 재귀적 조합을 지원.
• 특징 선택기: 범주형과 수치형 특징을 분리하여 전용 전처리에 활용할 수 있는 내장 도구.
• 광범위한 통합: Scikit-learn 및 기타 ML 라이브러리의 래퍼 포함.