image.png
AutoML搜索空间过大的问题，3个解决方法：
基础搜索方法——慢
-
基于采样的方法——无法获取导数信息，只有函数值
image.png
2.1. 基于强化学习image.png
image.png
image.png 热点
效率提升：每次扔掉表现不好的参数中的一半
用不同采样率进行多保真度学习，没有抛弃整个数据集
-
组合优化：淘汰表现不好的worker，然后热启动加入新的worker，此方法表现较好
image.png 泛化性：集成学习
理论角度看AutoML
没有免费午餐定理：没有一个算法能解决所有问题
2.希望找到一类算法可以解决一部分问题AutoML目标是寻找更通用的机器学习算法，本质还是机器学习
应用
提交算法，看不到训练集和测试集，进行盲测，NIPS2018加入了动态数据的场景（如用户兴趣发生变化）
图像数据
表数据未来方向
1.全流程优化
2.样本复杂度学件的思想
目前多做优化，未来可能会多做泛化
安全性问题，应对攻击、噪声、保护隐私
具体领域如金融、医疗
理论的bound，可以画多大圈
