來源：https://www./blog/automated-machine-learning-short-history/

翻譯：蔡玲

最近,，我們聽到了關于機器學習的很多新聞,，這部分是由不斷增長的需求和缺少數據科學家們所激發(fā)的。但像許多創(chuàng)新一樣,，機器學習并不是簡單出現的 ,它至少發(fā)展了二十年,。在這篇文章中，我們簡要地回顧一下這段歷史,。

在成功地推出Unica系列營銷自動化軟件之前,，這家公司的主要業(yè)務是通過特別關注神經網絡進而進行預測分析。1995年,，Unica介紹了Pattern Recognition Workbench （簡稱PRW,，一種數據挖掘工具），一個使用自動網格搜索優(yōu)化模型的神經網絡優(yōu)化軟件包,。三年后，Unica與Group 1 Software（現在由Pitney Bowes公司擁有）在市場上推出Model 1,，這是一個自動選取超過4種不同預測模型的工具,。更名幾次之后，原始的Pattern Recognition Workbench （PRW）仍然作為IBM 的預測工具,，作為IBM企業(yè)營銷管理套件的一部分出售,。

其他兩個商業(yè)嘗試自動預測模型是從上世紀90年代末開始的。

MarketSwitch,，提供市場營銷優(yōu)化的解決方案,，其中包括嵌入式的“自動化”的預測建模能力。在銷售推介會上,，MarketSwitch關于他如何優(yōu)化工作的信息提供得很少,。然而，他們宣揚這是“前蘇聯(lián)火箭科學家”背后的技術,，并承諾客戶,，有了這個他們可以“解雇他們的SAS程序員”了。益百利（一家信息技術有限公司）在2004年收購了Market Switch,，通過他的自身的服務外包分析,，重新定位了產品作為決策工具和自動建模能力。

KXEN,，1998年在法國成立的一家公司,，圍繞著自動建模技術建立了自己的分析工具，還宣稱結構風險最小化（具體請點http://www./srm/）,。原來的產品有一個基本的用戶界面,，依靠于合作伙伴應用程序的生產出相反的API,。最近，KXEN把自己定位為易于使用又能提供市場營銷分析解決方案,，并試圖直接銷售給公司高管,。 在這方面的努力是非常成功的，SAP（衛(wèi)星自動控制系統(tǒng)）在2013年大概賣出了4000萬美元,。

Market Switch和KXEN在反對傳統(tǒng)預測分析上取得了一些小進展,。首先，通過定義它的狹小去“解決”問題,，限制優(yōu)化的范圍到幾個算法,，把建設工程的質量和堅固性的花費減少到最小。其次,，通過定位他們的工具就可以不需要專家來進行分析,，他們疏遠了在客戶組織中非常了解他們的產品甚至于可以成為他們冠軍的人。

在過去的幾年中,，領先的分析軟件供應商（SAS和SPSS）在他們的高端產品中增加了自動建模功能,。2010年，SAS介紹SAS Rapid Modeler（SAS快速建模功能）,，附加到了SAS的Enterprise Miner,。快速建模是一套宏實施啟發(fā)式處理任務,，如離群點識別,、缺失值處理、變量選擇和模型選擇,。用戶指定了一個數據集和響應措施,；快速建模確定回應是連續(xù)的還是分類的，并利用這些信息與其他的診斷一起去測試測試一系列建模技術,。用戶可以通過選擇初級,、中級或高級方法來控制技術的范圍。（SAS最近將這個產品作為SAS Factory Miner）,。

IBM SPSS Modeler包括一套自動準備數據功能以及自動分類,、自動聚類、自動數字節(jié)點功能,。自動準備數據功能執(zhí)行這樣的任務作為缺失值處理,，異常處理，日期和時間的準備,，基本價值篩選,、分級和可變的重鑄。三個建模節(jié)點可以實現用戶指定的技術可以被運用于包括測試計劃在內的，指定的模型選擇規(guī)則和在模型訓練集中設置限制等功能,。

至今為止所有討論的軟件產品都是商業(yè)許可的,，反映了機器學習社區(qū)的方向是為了開源軟件。在社區(qū)項目中的機器自動化學習取得最具創(chuàng)新性的發(fā)展并不讓人覺得稀奇,，三個項目值得特別提及：Caret, Auto-WEKA和AutoML,。

在開放資源的R語言的插入包中插入一套包括旨在加速模型規(guī)范和廣泛的技術調整生產力工具。該包包括預處理工具,，可以支持虛擬編碼,，零方差預測，識別相關的預測因子等諸如此類的任務,，還可以支持模型訓練和調整,。在當前插入的訓練功能可以支持192種不同的建模技術，它可以通過選定的技術來達到參數最優(yōu)化,，但不優(yōu)化跨技術,。用多個建模技術實現測試計劃，用戶必須編寫一個R語言的腳本來運行所需的訓練任務并捕獲結果,。

注釋：

caret:插入包（簡稱分類和回歸訓練）是一套旨在簡化創(chuàng)建預測模型中的功能,。該軟件包中包含的工具：數據分割,預處理,特征選擇,基于重采樣的模型調整,變量重要性估計以及其他功能。

Auto-WEKA是另一個開放資源的機器自動化學習的項目,。2013首次發(fā)布,，Auto-WEKA是一個合作的項目，由英屬哥倫比亞大學和弗萊堡大學的四位研究人員驅動,。在目前的版本中，Auto-WEKA只支持自動分類問題,。該軟件從39個可用的算法中選擇一個學習算法,，包括2種集成方法、10個元方法和27個基分類器,。由于每個分類有許多可能的參數設置,，搜索空間是非常大的，開發(fā)人員用貝葉斯優(yōu)化來解決這個問題,。

CHALEARN是一個由美國國家科學基金會和商業(yè)贊助支持的免稅組織,。CHALEARN舉辦一年一度的automl挑戰(zhàn)，旨在開發(fā)自動化機器的回歸和分類學習的軟件,。最近的一次會議是2015年7月在法國的里爾舉行的,，會議演示了機器自動化學習的最新發(fā)展，還舉辦了一個活動,。

想要看最新進展,，請點擊這里：https://indico.lal./event/2914/

隨著機器自動化學習的成熟，我們描述的能力也有了轉變。早期的商業(yè)產品如MarketSwitch和KXEN聲稱可以消除專家,，但我們現在認為機器自動化學習系統(tǒng)的作為一種生產力工具,，能讓專家更有效。例如,，機器人手術,，并不排除對心臟病專家的需要；它使心臟病學家集中更多的精力在診斷和病人護理上,。類似的,，自動機器學習并沒有消除專家分析，它還可以使專家專注于理解業(yè)務問題,，并解釋結果,，真正的價值驅動高級分析的實現。