Auto-WEKA

Auto-WEKA es un sistema automatizado de aprendizaje automático basado en Weka , creado por Chris Thornton, Frank Hutter , Holger H. Hoos y Kevin Leyton-Brown . ^{[ 1 ]} Se publicó una versión extendida como Auto-WEKA 2.0. ^{[ 2 ]} Auto-WEKA fue nombrado el primer sistema AutoML prominente en un estudio comparativo neutral. ^{[ 3 ]}

Recibió el premio a la trayectoria de la conferencia SIGKDD en 2023. ^{[ 4 ]}

Auto-WEKA introdujo el problema de Selección Combinada de Algoritmos y Optimización de Hiperparámetros (CASH), que extiende tanto el problema de Selección de Algoritmos como el de Optimización de Hiperparámetros , al buscar el mejor algoritmo y sus hiperparámetros para un conjunto de datos dado. Baratchi et al. afirman que "[E]l verdadero poder de AutoML se desbloqueó mediante la definición del problema combinado de selección de algoritmos y optimización de hiperparámetros". ^{[ 5 ]}

El CASH para formalismo fue adoptado y extendido por sistemas y métodos AutoML posteriores como Auto-sklearn, ^{[ 6 ]} ATM, ^{[ 7 ]} AutoPrognosis, ^{[ 8 ]} MCPS, ^{[ 9 ]} MOSAIC, ^{[ 10 ]} AutoML ingenuo ^{[ 11 ]} y ADMM. ^{[ 12 ]}