Fugu-MT 論文翻訳(概要): Leveraging Automated Machine Learning for Text Classification: Evaluation of AutoML Tools and Comparison with Human Performance

論文の概要: Leveraging Automated Machine Learning for Text Classification: Evaluation of AutoML Tools and Comparison with Human Performance

arxiv url: http://arxiv.org/abs/2012.03575v1
Date: Mon, 7 Dec 2020 10:31:13 GMT
ステータス: 処理完了
システム内更新日: 2021-05-16 21:08:20.928783
Title: Leveraging Automated Machine Learning for Text Classification: Evaluation of AutoML Tools and Comparison with Human Performance
Title（参考訳）: テキスト分類のための自動機械学習の活用:AutoMLツールの評価と人的性能の比較
Authors: Matthias Blohm, Marc Hanussek and Maximilien Kintz
Abstract要約: この研究では、13の異なるポピュラーデータセット上の4つのAutoMLツールを比較します。その結果、AutoMLツールは13のタスクのうち4つで機械学習コミュニティよりも優れています。
参考スコア（独自算出の注目度）: 0.07734726150561087
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recently, Automated Machine Learning (AutoML) has registered increasing success with respect to tabular data. However, the question arises whether AutoML can also be applied effectively to text classification tasks. This work compares four AutoML tools on 13 different popular datasets, including Kaggle competitions, and opposes human performance. The results show that the AutoML tools perform better than the machine learning community in 4 out of 13 tasks and that two stand out.
Abstract（参考訳）: 最近、自動機械学習(automl)は、表データに関する成功の増加を登録している。しかし、その疑問は、AutoMLがテキスト分類タスクにも効果的に適用できるかどうかである。この研究は、Kaggleコンペティションを含む13の人気のあるデータセット上の4つのAutoMLツールを比較し、人間のパフォーマンスに反対する。その結果,AutoMLツールは,13タスク中4タスクにおいて,機械学習コミュニティよりも優れたパフォーマンスを示し,その2つが目立った。

関連論文リスト

AutoAct: Automatic Agent Learning from Scratch for QA via Self-Planning [54.47116888545878]
AutoActはQAのための自動エージェント学習フレームワークである。大規模アノテートデータやクローズドソースモデルからの合成計画軌道は依存していない。
論文参考訳（メタデータ） (2024-01-10T16:57:24Z)
Large Language Models for Automated Data Science: Introducing CAAFE for Context-Aware Automated Feature Engineering [52.09178018466104]
データセットのセマンティックな特徴を生成するために、コンテキスト認識自動特徴工学(CAAFE)を導入する。方法論的には単純だが、CAAFEは14のデータセットのうち11のパフォーマンスを改善している。我々は,AutoMLシステムの範囲をセマンティックなAutoMLに拡張できるコンテキスト認識ソリューションの重要性を強調した。
論文参考訳（メタデータ） (2023-05-05T09:58:40Z)
Towards Green Automated Machine Learning: Status Quo and Future Directions [71.86820260846369]
AutoMLは高いリソース消費で批判されている。本稿では,AutoMLプロセス全体を環境に優しいものにするためのパラダイムであるGreen AutoMLを提案する。
論文参考訳（メタデータ） (2021-11-10T18:57:27Z)
Benchmarking Multimodal AutoML for Tabular Data with Text Fields [83.43249184357053]
テキストフィールドを含む18個のマルチモーダルデータテーブルを組み立てる。このベンチマークにより、研究者は、数値的、分類的、テキスト的特徴を用いて教師あり学習を行うための独自の方法を評価することができる。
論文参考訳（メタデータ） (2021-11-04T09:29:16Z)
Evaluation of Representation Models for Text Classification with AutoML Tools [0.9318327342147515]
この作業は、AutoMLツールによって自動生成される3つの手作業によるテキスト表現とテキスト埋め込みを比較する。結果は、自動生成されたテキスト埋め込みによって、単純なテキスト表現がAutoMLツールよりも優れていることを示している。
論文参考訳（メタデータ） (2021-06-24T07:19:44Z)
Comparison of Automated Machine Learning Tools for SMS Spam Message Filtering [0.0]
Short Message Service (SMS)は、モバイルユーザーによるコミュニケーションに使用される人気のサービスである。本研究では,SMSスパムメッセージフィルタリングのための3つの自動機械学習(AutoML)ツールの分類性能比較を行った。実験の結果,アンサンブルモデルが最も優れた分類性能を示した。
論文参考訳（メタデータ） (2021-06-16T10:16:07Z)
A Neophyte With AutoML: Evaluating the Promises of Automatic Machine Learning Tools [1.713291434132985]
本稿では,機械学習(ML)経験の少ない人の視点から,現代の自動機械学習(AutoML)ツールについて考察する。 ML技術の使用を簡素化し、民主化するために作られたAutoMLツールは、使いやすくも開発中のツールも数多くある。
論文参考訳（メタデータ） (2021-01-14T19:28:57Z)
Can AutoML outperform humans? An evaluation on popular OpenML datasets using AutoML Benchmark [0.05156484100374058]
この記事では、OpenMLから12の人気のあるデータセット上の4つのAutoMLフレームワークを比較します。その結果、自動化されたフレームワークは、12のOpenMLタスクのうち7つの機械学習コミュニティより優れているか等しいかが分かる。
論文参考訳（メタデータ） (2020-09-03T10:25:34Z)
Auto-Sklearn 2.0: Hands-free AutoML via Meta-Learning [45.643809726832764]
第2回ChaLearn AutoMLチャレンジへの勝利を動機とした新しいAutoMLアプローチを紹介します。我々はPoSH Auto-Sklearnを開発した。これは、厳格な時間制限下で、AutoMLシステムが大きなデータセットでうまく機能することを可能にする。また、真にハンズフリーなAutoMLに対する解決策を提案する。
論文参考訳（メタデータ） (2020-07-08T12:41:03Z)
AutoGluon-Tabular: Robust and Accurate AutoML for Structured Data [120.2298620652828]
オープンソースのAutoMLフレームワークであるAutoGluon-Tabularを紹介します。 KaggleとOpenML AutoML Benchmarkの50の分類および回帰タスクからなるスイートのテストによると、AutoGluonはより速く、より堅牢で、はるかに正確である。
論文参考訳（メタデータ） (2020-03-13T23:10:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。