AutoGluon-Tabular: 구조화된 데이터를 위한 강건하고 정확한 AutoML

우리는 CSV 파일과 같은 처리되지 않은 표형 데이터셋에서 고정밀도 기계학습 모델을 훈련하기 위해 단일 Python 명령어만으로 사용할 수 있는 오픈소스 AutoML 프레임워크인 AutoGluon-Tabular을 소개한다. 기존 AutoML 프레임워크가 주로 모델 또는 하이퍼파라미터 선택에 초점을 맞추는 반면, AutoGluon-Tabular은 여러 모델을 앙상블하고 다중 레이어로 스택하는 방식으로 성공을 거두었다. 실험 결과, 다양한 모델의 다중 레이어 조합은 최적의 모델을 찾는 것보다 할당된 훈련 시간을 더 효율적으로 활용함을 보여주었다. 두 번째 기여는 TPOT, H2O, AutoWEKA, auto-sklearn, AutoGluon, Google AutoML Tables 등 공개 및 상용 AutoML 플랫폼에 대한 광범위한 평가를 수행한 점이다. Kaggle과 OpenML AutoML 벤치마크에서 추출한 총 50개의 분류 및 회귀 작업에 대한 테스트 결과, AutoGluon이 더 빠르고, 더 강건하며, 훨씬 더 정확함을 확인하였다. 특히 AutoGluon은 경쟁 플랫폼들 중에서 후보로 제시된 모든 모델의 최적 조합보다도 뛰어난 성능을 보이기도 했다. 두 개의 인기 있는 Kaggle 경진대회에서 AutoGluon은 원시 데이터에 대해 단 4시간의 훈련만으로 참여한 데이터 과학자들 중 99%를 상회하는 성능을 기록하였다.