Assessing irace for automated machine learning

• Autor(a) principal: Vieira, Carlos Eduardo Morais
• Data de Publicação: 2019
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: eng
• Título da fonte: Repositório Institucional da UFRN
• Texto Completo: https://repositorio.ufrn.br/handle/123456789/34163
• topic: machine learning; algorithm configuration; computer vision; natural language processing; time series analysis

Ferramentas automáticas de engenharia de algoritmos têm se tornado um recurso importante tanto para a academia quanto para a indústria. Em geral, essas ferramentas funcionam com o uso de certos configuradores de algoritmos demonstravelmente eficientes, dentre estes, o irace. Nessa prova de conceito, avaliamos a aplicação do irace ao campo de aprendizado de máquina (AM). Para isso, propomos um template composto de componentes do framework algorítmico sklearn, que nomeamos isklearn. Além disso, definimos formalmente um espaço de configuração e um setup experimental que permitem que o irace trate conjuntos de dados de AM como instâncias de um problema de otimização, fazendo do isklearn um sistema funcional de aprendizado de máquina automatizado. Resultados preliminares demonstram que irace é capaz de produzir modelos efetivos para três dos maiores domínios de aplicação de AM: visão computacional, processamento de linguagens naturais, e análise de séries temporais.