拡張蒸留による表データの高速,正確,単純モデル【JST・京大機械翻訳】

Fakoor Rasool; Mueller Jonas; Erickson Nick; Chaudhari Pratik; Smola Alexander J.

プレプリント

J-GLOBAL ID：202202219659312626 整理番号：21P0037127

拡張蒸留による表データの高速,正確,単純モデル【JST・京大機械翻訳】

Fast, Accurate, and Simple Models for Tabular Data via Augmented Distillation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年06月25日プレプリントサーバーでの情報更新日： 2020年06月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

自動化機械学習(AutoML)は,木,深層ネットワーク,および最近傍推定子のような多くの個々のモデルを積み重ね,袋掛け,およびブースティングすることによって複雑なモデルアンサンブルを作り出すことができる。高精度ではあるが,得られた予測子は,それらの成分と比較して,大きく,遅く,不透明であった。表データ上のAutoMLの配置を改善するために,著者らは,FAST-DADを,ブーストツリー,ランダムフォレスト,および深層ネットワークのような個々のモデルに,任意に複雑なアンサンブル予測子を蒸留することを提案する。本アプローチの心臓では,自己注意擬似尤度推定器からのGibbsサンプリングに基づくデータ増強戦略である。回帰とバイナリ/マルチクラス分類タスクの30データセットを横断して,FAST-DAD蒸留は,元のデータに関する標準訓練を通して得られるものより,かなり優れた個々のモデルを生成する。著者らの個々の蒸留モデルは,H_2O/AutoSklearnのようなAutoMLツールによって生成されたアンサンブル予測子より10x以上速く,より正確である。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る