AutoML自动调参

AutoML(Aotomatic Machine Learning)在机器学习领域应用已逐渐成熟，可帮我们解决手动调参的烦恼，自动筛选出最优的特征、模型的超参数、将最优的参数向下传导。常用的自动调参方法包含Grid Search、Random Search、贝叶斯调参、TPE等。

AIWorks的2种建模方式中，Notebook的自动调参可用过代码直接引用调参方法实现，可视化实验模型的自动调参，系统封装了相应的界面来实现。

机器学习模型中的分类、聚类、回归、时间序列模型都可支持调参，AotoML步骤如下：

步骤一： 在可视化实验编辑页面中，点击AutoML按钮，选择需要调参的机器学习模型；
步骤二： 选择调参方式，并填写调参方式的具体参数、设置CPU并发数；
步骤三： 设置模型参数取值，每个超参数可取多个值，系统将根据调参算法计算出最优的参数值。填写多个参数值时，值中间用英文逗号分隔开；

步骤四： 调参参数设置完成，开始模型运行。系统将会根据模型数量运行多个模型，并挑选出最优的模型向下传输；

AotoML调参完成后，模型参数将会替换成最优的模型参数，且最优模型参数将打印在日志中。

支持AotoML的机器学习模型如下：

特征工程的自动选择，可通过“前向特征选择”、“后向特征选择”组件实现，在可视化实验中进行特征筛选。