automl/SMAC3

해결하는 문제

SMAC3는 베이지안 최적화를 위한 견고한 프레임워크를 제공하며, 특히 머신러닝 알고리즘, 데이터셋, 응용 프로그램에 대한 가장 효과적인 하이퍼파라미터 구성 찾기를 돕는 데 특화되어 있습니다.

작동 방식

이 시스템은 베이지안 최적화와 공격적인 레이싱 메커니즘을 결합하여 두 구성 중 어느 것이 더 잘 작동하는지 효율적으로 결정합니다. 시스템은 대체로 scikit-learn의 랜덤 포레스트를 사용하는 서rogate 모델(또는 pyrfr C++ 구현도 지원)을 활용하여 최적의 하이퍼파라미터를 탐색합니다.

대상 사용자

모델 성능을 향상시키기 위해 하이퍼파라미터 튜닝을 자동화해야 하는 머신러닝 실무자 및 연구자에게 적합합니다.

주요 특징

• 다양한 최적화: 다목적, 다정밀도, 다스레드를 내장된 방식으로 지원합니다.
• 유연한 인터페이스: ask-and-tell 인터페이스를 포함하며, 중단된 실행을 이어갈 수 있습니다.
• 통합: 최적화 환경을 정의하는 데 ConfigSpace와 함께 작동하며, DeepCAVE를 사용해 시각화할 수 있습니다.
• 성능: 효율적인 서rogate 모델링을 위해 C++ 기반의 랜덤 포레스트를 활용합니다.