Evaluación comparativa de herramientas AutoML de código abierto en tareas de regresión

AutoML actúa como puente entre los diferentes niveles de experiencia al momento de generar modelos predictivos y agiliza el proceso de Aprendizaje Automático. Se implementa a través de diversas técnicas, de las cuales existen pocas comparaciones objetivas, la gran mayoría en tareas de clasificación....

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Bender, Adrián, Nicolet, Santiago
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2020
Materias:
Ciencias Informáticas
Aprendizaje automático
Machine learning
AutoML
Bench-marking
Evaluación comparativa
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/114906
http://49jaiio.sadio.org.ar/pdfs/asai/ASAI-04.pdf
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-114906
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Aprendizaje automático
Machine learning
AutoML
Bench-marking
Evaluación comparativa
spellingShingle Ciencias Informáticas
Aprendizaje automático
Machine learning
AutoML
Bench-marking
Evaluación comparativa
Bender, Adrián
Nicolet, Santiago
Evaluación comparativa de herramientas AutoML de código abierto en tareas de regresión
topic_facet Ciencias Informáticas
Aprendizaje automático
Machine learning
AutoML
Bench-marking
Evaluación comparativa
description AutoML actúa como puente entre los diferentes niveles de experiencia al momento de generar modelos predictivos y agiliza el proceso de Aprendizaje Automático. Se implementa a través de diversas técnicas, de las cuales existen pocas comparaciones objetivas, la gran mayoría en tareas de clasificación. Presentamos una referencia de las actuales herramientas AutoML de código abierto y un análisis comparativo de su eficacia utilizando conjuntos de datos públicos propicios para este fin. Probamos que los pipelines generados por Auto-sklearn, H2O AutoML y TPOT resultan eficaces para tareas de regresión, y logran mitigar la sobreadaptación que podrían tener sus modelos en búsqueda de la optimización.
format Objeto de conferencia
Objeto de conferencia
author Bender, Adrián
Nicolet, Santiago
author_facet Bender, Adrián
Nicolet, Santiago
author_sort Bender, Adrián
title Evaluación comparativa de herramientas AutoML de código abierto en tareas de regresión
title_short Evaluación comparativa de herramientas AutoML de código abierto en tareas de regresión
title_full Evaluación comparativa de herramientas AutoML de código abierto en tareas de regresión
title_fullStr Evaluación comparativa de herramientas AutoML de código abierto en tareas de regresión
title_full_unstemmed Evaluación comparativa de herramientas AutoML de código abierto en tareas de regresión
title_sort evaluación comparativa de herramientas automl de código abierto en tareas de regresión
publishDate 2020
url http://sedici.unlp.edu.ar/handle/10915/114906
http://49jaiio.sadio.org.ar/pdfs/asai/ASAI-04.pdf
work_keys_str_mv AT benderadrian evaluacioncomparativadeherramientasautomldecodigoabiertoentareasderegresion
AT nicoletsantiago evaluacioncomparativadeherramientasautomldecodigoabiertoentareasderegresion
bdutipo_str Repositorios
_version_ 1764820446094557186

Ejemplares similares