Code Open more actions menu
Repository files navigation
序号
中文名称
英文名称
1
自动数据清洗
Automated Data Clean, Auto Clean
2
自动特征工程
Automated Feature Enginnering, Auto FE
3
神经网络架构搜索
Neural Architecture Search, NAS
4
超参数优化
Hyperparameter Optimization, HPO
5
元学习
Meta-Learning
序号
名称
简介
链接
主要特点
主要技术
备注
1
Auto-Keras
Auto-Keras是一个用于自动机器学习（AutoML）的开源软件库。它由Texas A＆M大学的DATA实验室和社区贡献者开发。
https://autokeras.com/ Auto-Keras提供自动搜索深度学习模型的架构和超参数的功能。用神经架构搜索，但应用“网络态射”（在更改架构时保持网络功能）以及贝叶斯优化，以指导网络态射以实现更高效的神经网络搜索。
德克萨斯州A&M大学数据实验室团队
2
Auto-sklearn
是一个自动化机器学习的工具包,其基于sklearn编写。
https://automl.github.io/auto-sklearn/master/# 仅支持监督学习的分类和回归。框架可以自动进行数据预处理，特征预处理，（分类/回归）算法选择，最终可导出模型，存储并使用。
Bayesian Optimization/SMAC (sequential model-based algorithm configuration)等
Frank Hutter 等
3
NNI-v0.8
NNI（神经网络智能）是一个帮助用户运行自动机器学习（AutoML）实验的工具包。该工具调度并运行由优化算法生成的试验作业，以在不同的环境(如本地机器、远程服务器和云)中搜索最佳的神经体系结构和/或超参数。
https://github.com/Microsoft/nni 支持私有部署/支持分布式调度/对超参搜索的底层支持
Random Search/ Tree-structured Parzen Estimator (TPE) /Grid Search等
微软发布
4
TransmogrifAI
是一个基于Scala和SparkML构建的Java开源库，用于处理结构化数据的端到端自动化机器学习库。
https://transmogrif.ai/ 可以自动完成数据清理、特征工程和模型选择，然后训练出一个高性能模型，进行进一步探索和迭代。
基于自动类型的特征工程/特征验证等
Salesforce发布
算法是死的，思想是活的。经典反复多次，悟其背后之道，才可唯我所用。
理论实践相结合。
activation.激活函数
Attention. 注意力机制
GANs
深度森林
声学模型
声纹识别
语音合成
情感分析
语音识别
声纹识别
动手学深度学习
神经网络与深度学习
语音与语言处理（第3版）
一份不太简短的LATEX介绍
Hands-On+Machine+Learning+with+Scikit-Learn+and+TensorFlow
Update:20190610
You can’t perform that action at this time.