AutoML

1 概念

自动化机器学习也称为自动化 ML 或 AutoML，是将机器学习模型开发过程中耗时的反复性任务自动化的过程。 数据科学家、分析师和开发人员可以使用它来生成高度可缩放、高效且高产能的 ML 模型，同时保证模型的质量。
https://learn.microsoft.com/zh-cn/dotnet/machine-learning/automated-machine-learning-mlnet
自动化机器学习 (AutoML) 可自动化将机器学习应用于数据的过程。 在给定数据集的情况下，可以运行 AutoML 试验来迭代不同的数据转换、机器学习算法和超参数，从而选择最佳模型。

2 AutoML 如何运作？

https://learn.microsoft.com/zh-cn/azure/machine-learning/concept-automated-ml?view=azureml-api-2

在训练期间，Azure 机器学习会创建多个尝试不同算法和参数的并行管道。 该服务将迭代与特征选择配对的 ML 算法，每次迭代都会生成带有训练评分的模型。 要优化的指标的分数越好，模型就越被视为“适合”数据。 一旦达到试验中定义的退出条件，机器学习就会停止。
使用 Azure 机器学习可以通过以下步骤设计和运行自动化 ML 训练试验：

1. 识别要解决的 ML 问题：分类、预测、回归、计算机视觉或者 NLP。
2. 选择是想要代码优先体验还是无代码工作室 Web 体验：首选代码优先体验的用户可使用 Azure 机器学习 SDKv2 或 Azure 机器学习 CLIv2。
3. 指定标记训练数据的源：可以通过多种方式将数据引入 Azure 机器学习。
4. 配置自动化机器学习参数，用于确定要对不同模型运行的迭代次数、超参数设置、高级预处理/特征化，以及在确定最佳模型时要查看的具体指标。
5. 提交训练作业。
6. 查看结果

下图演示了此过程。

3 例子

https://learn.microsoft.com/zh-cn/dotnet/machine-learning/how-to-guides/how-to-use-the-automl-api
AutoML库文件发布地：
https://www.nuget.org/packages/Microsoft.ML.AutoML 目前版本是 0.21.0

结合上面的微软官方文档对应的如下的4个工程代码，基本可以理解整个的过程和思路

https://gitee.com/mirrors_dotnet/machinelearning-samples/blob/main/samples/csharp/getting-started/MLNET2/AutoMLQuickStart/Program.cs