springboot 实现机器学习_「机器学习」自动调参器设计实现

1、前言

现在人工智能发展很火热，各种开源框架越发完善，用户的学习门槛越来越低，用Python简单的几十行代码就能实现一个人工智能应用，这些便利性都是建立在各路大神不断提出新的算法并开源出封装包的基础上的。所以，现在很多机器学习工程师都自嘲为“调包侠”。

但是，要做一名合格的“调包侠”也是需要深刻理解各类机器学习算法的原理以及所适用的使用场景。而且，在机器学习的训练过程中，调参似乎也是一个必不可少的过程，所以“调包侠”中的“调参师”由此而来。调参是一个繁琐耗时且枯燥的过程，所以自动调参应运而生。

本文将描述一个简易版自动调参器的设计与实现，实际上是对sklearn, mlxtend和xgboost等开源算法包的封装整合。

2、架构设计与实现

2.1 整体功能框架

整体功能框架如上图所示，可以分为3个功能模块：

• 算法配置：负责解析配置文件，用户通过配置文件定义所要执行的任务类型是分类还是回归，需要使用哪些基本的算法模型和集成学习算法，以及使用哪些评估指标。
• 基模型交叉验证筛选与调优：实现基本模型的训练、交叉验证，选择出较优模型进行调优，输出各个基本模型文件。
• 集成学习：