MATLAB을 사용한 AutoML 시작하기
AutoML을 사용해야 하는 이유
AutoML(자동화된 머신러닝)을 통해 머신러닝에 대한 전문 지식 없이도 모델 구축 워크플로에서 어렵고 반복적인 단계를 자동화할 수 있습니다.
머신러닝 도입을 제한하는 요인:
- 요구되는 전문 인력의 높은 비용
- 점진적이고 반복적인 워크플로
- 많은 모델에서 수작업 최적화 불가능
AutoML의 이점
- 전문 지식이 거의 없거나 전혀 없는 엔지니어 및 분야별 전문가도 우수한 모델을 구축할 수 있습니다.
- 머신러닝 전문가가 시간을 단축할 수 있습니다.
- 다수의 최적화된 모델이 필요한 애플리케이션을 구현할 수 있습니다.
모델 구축 자동화를 위한 접근법
1. 특징 추출
웨이블릿은 복잡한 신호를 분해합니다.
웨이블릿 산란
sf = waveletScattering (SignalLength); Loop over signal waveletFeature = featureMatrix(sf,signal) Append waveletFeature to feature table Add labels end
참고:
신호 및 영상 데이터에 잘 작동함
2. 특징 선택
이웃 성분 분석
예측 검정력이 높은 소규모의 특징 서브셋을 식별합니다.
fscnca(data, labels, 'Lambda'); find(mdl.FeatureWeights > 0.2)
기타 특징 선택 방법:
- 최소 잉여도-최대 연관성
- ReliefF
- 단계적 선택
3. 모델 선택
한 번의 단계로 최적의 모델 식별:
- 분류의 경우:
fitcauto(data, labels, 'Options', …) - 회귀의 경우:
fitrauto
옵션
- 최적화 반복 횟수 제한:
MaxObjectiveEvaluations - 병렬 실행 활성화:
UseParallel - 각 반복 후 모델 저장:
SaveIntermediateResults - 고려할 모델 및 하이퍼파라미터 제한:
Learners / OptimizeHyperparameters - 오류 표시:
ShowPlots
참고:
- 최적 모델의 발견을 보장하지 않음
- 50~150회 반복 이후에 양호한 결과가 생성됨
