它将如何改变未来生活？

虽然 HyperOpt 库比 auto-sklearn、TPOT复杂得多，但是如果对于你的模型而已，超参数非常重要，那就值得你去把它用起来。

4.AutoKeras

与标准的机器学习库相比，神经网络和深度学习功能更强大，因此更难实现自动化。

使用 AutoKeras，神经结构搜索算法可以找到最佳的结构，如一个层中的神经元数量、层的数量、要合并的层、特定于层的参数，如过滤器大小或丢失神经元的百分比等。一旦搜索完成，可以将该模型用作普通的 TensorFlow/Keras 模型。

通过使用AutoKeras，我们可以构建一个包含复杂元素(如嵌入和空间缩减)的模型，这些元素对于仍在学习深度学习过程中的人来说是不太容易访问的。

当 AutoKeras 为我们创建模型时，许多预处理，如矢量化或清除文本数据，都会为您完成并优化。

启动和训练搜索需要两条线。AutoKeras 拥有一个类似 Keras 的界面，所以它不难记住和使用。

AutoKeras 支持文本、图像和结构化数据，以及为初学者和寻求更多技术细节的人提供的界面，AutoKeras 使用进化神经结构搜索方法为我们消除繁重的工作和模糊性。

虽然 AutoKeras 运行需要很长时间，但是有许多用户指定的参数可用于控制运行时间、探索的模型数量、搜索空间大小等。

考虑使用 AutoKeras 生成的文本分类任务的这种经过考虑的体系结构。
 

yperOpt

HyperOpt 是由 James Bergstra 开发用于贝叶斯优化的 Python 库。该库专为大规模优化具有数百个参数的模型而设计，可显式地用于优化机器学习管道，并具有用于选择跨多个核心和机器的优化过程的选项。

但是，HyperOpt 很难直接使用，因为它非常技术性，并且需要仔细指定优化步骤和参数。相反，建议大家用 HyperOpt-sklearn，一个包含 sklearn 库的 HyperOpt 包装器。

具体来说，HyperOpt 虽然确实支持预处理，但重点仍然放在特定模型中的许多超参数上。如果我们仔细观察 HyperOpt-sklearn的一次搜索结果，就会发现该结果导致没有预处理的梯度提升分类器：
 

秘密行动

Omdia的LTE和5G专网跟踪报告显示，目前在34个国家进行了230个专网试验，其中仅有90个公开宣布的专网推出。但是实际上，还有更多现场项目正在秘密进行中。

企业希望其供应商停止对技术的修修补补。相反，他们应该更加努力地打造特定的专网投资案例。但是，针对设备供应商和电信公司的一个常见抱怨是，他们都不了解垂直行业面临的挑战、业务流程和KPI，从而无法识别机遇。

危险时期

Omdia企业服务首席分析师Camille Mendler表示，现在是让企业感到不满意的危险时期。在Omdia最近的一项调查中，四分之一的企业表示，由于缺乏信任，它们更愿意在5G专网中单干。除了企业本身，独立的非授权5G(5G NR-U)的可用性也引起了许多潜在的5G专网提供商的想象。为了建立信任，服务提供商必须学习特定行业的语言，并了解它们的文化和工作节奏。建立一个专家垂直合作的生态系统将会有所帮助。

但这还不是全部：数字体验也至关重要。在后疫情时代，企业客户将会是一个成熟的数字服务买家，并且是一个苛刻的买家。很快，5G专网将只是网络即服务(NaaS)市场上的另一种选择。供应商将会是谁呢?仅有不到四分之一的企业对其主要网络提供商的服务门户感到满意，这一事实应该引起一些企业的警惕。
 

2.TPOT

TPOT 是另一个自动化建模的 Python 库，但是该库更加着重于数据准备以及建模算法和模型超参数。它通过一种基于进化树的结构(称为“基于树的管道优化工具(TPOT)，可自动设计和优化机器学习管道)来实现特征选择、预处理和构造的自动化。”

（编辑：周口站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!