论文指出，当前的自动机器学习多是在整个流程中的某个或某几个独立分段实现自动 化，这种“半自动”让搜索自然受限于“次优”并导致最终结果的偏差。而且搜索空间往 往“精心设计”，与自动学习的初衷相违背，实际落地时也易出现过拟合的情况。自动机 器学习需要对整个网络结构更高层、更进一步的理解。
基于终身知识锚点的进化算法
作者创新性地提出了一种新型的全自动机器学习框架，首次打破了现有自动机器学习中各 搜索空间的独立设计，并使用数据集知识锚点加进化算法来加速搜索，解决了在超大空间 搜索最优方案的设计难题。
图 1 全自动机器学习框架
承袭现有的终身学习与元学习思想，该框架中的知识锚点使用了全新的元特征和概率抽样 方法，极大减少了人工，缓解了搜索过程中的过拟合。该框架实现了全流程自动化，极大 降低了机器学习应用门槛，用户只需根据提示进行“傻瓜式”操作，自助服务，时间成本 低，即使不懂算法和代码，也不是问题。
从实验结果可以发现，该框架在图像/音频/视频/文本/表格五种模态的典型数据集上的效 果都远超当前 SOTA 方案，以下图的图像任务实验为例:
THE END
暂无评论内容