Google开源基于AutoML的预测算法集成学习工具AdaNet

栏目: 软件资讯 · 发布时间: 5年前

Google开源基于AutoML的预测算法集成学习工具AdaNet

谷歌今天宣布开源AdaNet,一种组合多种机器学习算法以获得更好的预测分析结果的集成学习工具。AdaNet的代码已经上传到  Tensor 的GitHub代码库

谷歌人工智能软件工程师查尔斯威尔在一篇 博客文章中 说:“AdaNet建立在我们最近的强化学习和基于进化中的AutoML,在学习的同时保持快速灵活。” “重要的是,AdaNet提供了一个通用框架,不仅可以学习神经网络架构,还可以通过集成学习获得更好的模型。”

AdaNet使用一种称为集成学习(ensemble learning)的方法来组合和改进算法,这种方法以前需要专业知识和大量时间进行训练,Weill说。

为了更容易实现AdaNet,该框架插入 TensorFlow Estimator 以将基本信息集中到一个地方,   TensorBoard 也是如此 ,它在训练AI模型时提供视觉反馈。

AdaNet通过学习神经网络的架构,为其添加子网,来确保其创建的集合模型的学习成效。

对于那些想要更多控制流程的机器学习用户,他们可以使用TensorFlow API定义自己的子网,自定义丢失功能或调整其他设置。

去年在机器学习国际会议上 发表的这篇发表的论文中 讨论了AdaNet如何运作的更多细节,有兴趣的读者可以查看。

今天发布的AdaNet是AutoML的最新进展,也是Google训练和部署神经网络的自动化方法。Google Cloud Platform在 今年夏天推出了用于翻译,计算机视觉和自然语言处理的  AutoML,以及用于 构建自定义AI模型的  Cloud AutoML 。


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

Python金融衍生品大数据分析:建模、模拟、校准与对冲

Python金融衍生品大数据分析:建模、模拟、校准与对冲

【德】Yves Hilpisch(伊夫·希尔皮斯科) / 蔡立耑 / 电子工业出版社 / 2017-8 / 99.00

Python 在衍生工具分析领域占据重要地位,使机构能够快速、有效地提供定价、交易及风险管理的结果。《Python金融衍生品大数据分析:建模、模拟、校准与对冲》精心介绍了有效定价期权的四个领域:基于巿场定价的过程、完善的巿场模型、数值方法及技术。书中的内容分为三个部分。第一部分着眼于影响股指期权价值的风险,以及股票和利率的相关实证发现。第二部分包括套利定价理论、离散及连续时间的风险中性定价,并介绍......一起来看看 《Python金融衍生品大数据分析:建模、模拟、校准与对冲》 这本书的介绍吧!

HTML 压缩/解压工具
HTML 压缩/解压工具

在线压缩/解压 HTML 代码

JS 压缩/解压工具
JS 压缩/解压工具

在线压缩/解压 JS 代码

HSV CMYK 转换工具
HSV CMYK 转换工具

HSV CMYK互换工具