AutoML이란

☝ 개념

머신러닝을 할 때마다 아래의 작업은 계속 반복된다.

반복되는 작업을 최대한 자동화하면 효율성을 높일 수 있을 것이다.
AutoML은 이렇게 Raw 데이터로부터 모델 배포까지를 자동화해주는 automated machine learning 이다.

🔧 기술

AutoML로 해결하고자 하는 문제는 크게 두가지이다.

1. CASH(Combined Algorithm Selection and Hyper-parameter optimization)
   -> 최적의 알고리즘과 하이퍼 파라미터 찾기

2. NAS(Neural Architecture Search)
   -> 최적의 architecture 찾기

📂 패키지 및 시스템

AutoML관련 상용 시스템 및 파이썬 패키지는 아래와 같다.

Auto-WEKA
IBM AutoAI
Microsoft AzureML
Google AutoML
Amazon SageMaker
H20 AI
Auto-sklearn
Neural Network Intelligence
DataRobot

아래는 AutoML 프레임워크들을 비교해놓은 표이다.

💧윈도우 pip설치로 H2O Auto ML 사용하기

1. java jdk11 패키지 설치
   h2o는 java 8~14 버전만 호환이 가능하므로 11버전 설치하기

2. h2o패키지 설치

   # h2o 설치
   %pip install requests
   %pip install tabulate
   %pip install "colorama>=0.3.8"
   %pip install future
   %pip uninstall h2o
   %pip install -f http://h2o-release.s3.amazonaws.com/h2o/latest_stable_Py.html h2o

3. 필요한 라이브러리 불러오기

   import h2o
   from h2o.automl import H2OAutoML

4. h2o 인스턴스 생성하기

   h2o.init()
   h2o.no_progress()

5. 데이터 불러온 후 모델 학습

   # train data, valid data 불러왔다고 가정.
   aml = H2OAutoML(max_models=20, seed=1)
   aml.train(x=x, y=y, training_frame=train, validation_frame=valid)

6. h2o 학습 결과 저장

   # View the AutoML Leaderboard
   lb = aml.leaderboard
   lb.head(rows=lb.nrows)  # Print all rows instead of default (10 rows)

7. 예측하기

   preds = aml.leader.predict(valid)

8. 결과 그리기

   import matplotlib.pyplot as plt
   %matplotlib inline 
   # 그리기
   plt.figure(figsize=(40, 9))
   plt.plot(valid[y].as_data_frame()['~~~'].values, 'b', label = 'actual')
   plt.plot(preds.as_data_frame()['predict'].values,  'r', label = 'prediction')
   plt.legend()
   plt.show()

   

🌐 구글 코랩에서 Auto-sklearn 사용하기

• auto-sklearn 설치하기

  !pip install auto-sklearn==0.11.1

• 학습시키기

  # X_train, y_train, X_test, y_test 준비된 상태라 가정.
  import autosklearn.regression
  automl = autosklearn.regression.AutoSklearnRegressor( 
    time_left_for_this_task=120, 
    per_run_time_limit=30, 
    n_jobs=1 
  ) 
  automl.fit( 
    X_train, 
    y_train 
  )

---

참고자료
1. AutoML 개념
2. AutoML 프레임워크 비교
3. 5분만에 끝장내는 AutoML(h20) 사용법
4. 구글 코랩 및 autoML:Auto-sklearn 설정