让AI去训练AI，autoML、autoKeras、auto-sklearn了解一波
15000+跨学科人群，机器学习、量化交易、物联网、区块链、产品、建筑设计、服装设计、珠宝设计、音乐、艺术等。
当你有一个idea的时候，好不容易收集好了数据，但是面对一堆的机器学习算法，还有各种参数的调试，这个时候，只能一种一种算法进行尝试，各种参数进行组合试验，此过程非常耗费时间跟精力，是个重复的劳动的过程，这个时候，我们就会想，能不能为此过程也开发一种算法，来自动帮我们完成算法和超参的选择，于是autoML就诞生了。
——让AI去训练AI。
我们先了解下自动化机器学习是什么？
自动化机器学习
Automatic Machine Learning, AutoML
简单来说就是一种自动化任务的方法，包括以下内容：
预处理并清理数据
选择并构建适当的功能
选择合适的模型
优化模型超参数
后处理机器学习模型
批判性地分析所获得的结果
https://www.automl.org/automl
在机器学习自动化方面，谷歌的 AutoML 无疑地位稳固。AutoML 基于谷歌最新的图像识别技术神经架构搜索（ Neural Architecture Search ，NAS）。NAS 是一种算法，会根据特定数据集搜索最佳神经网络架构，以在该数据集上执行特定任务。
AutoML 则是一套机器学习工具，可以轻松训练高性能深度网络，而无需用户掌握深度学习或 AI 知识，用户值需要标记数据，导入工具即可。然而，谷歌的AutoML是收费的。这边介绍2个开源解决库：
1 AutoKeras
https://autokeras.com
AutoKeras 是一个用于自动化机器学习的开源软件库，提供自动搜索深度学习模型的架构和超参数的功能。
安装相当简单：
pip install autokeras
4行即可实现图像分类：
import autokeras as ak
cls = ak.ImageClassifier()
cls.fit(X_train, y_train)
predictions = cls.predict(X_test)
2 Auto-sklearn
http://automl.github.io/auto-sklearn
跟Auto-Keras类似，Auto-sklearn是基于sklearn的。
同样，也是4行代码：
import autosklearn.classification
cls = autosklearn.classification.AutoSklearnClassifier()
cls.fit(X_train, y_train)
predictions = cls.predict(X_test)
有机会可以尝试下以上2个AI训练AI的开源库～
也许某一天AI会自己收集数据，自己训练AI，自己部署成应用。
以上为全文。
近期活动推荐：
快！TensorFlow、黑客马拉松、DevFest千人大会 ，GDG DevFest 2018在召唤你
--------------------------------------
mixlab 无界社区 是一所面向未来的实验室，它提倡“跨界创新，开放成长”的理念。
——跨界 开放 互助 学习 思维 创新。
目前社区汇集了1500+跨学科人群，主要来自GoogleBrain、微软、华为、阿里鲁班、腾讯、旷视、三角兽、物灵科技、众安保险、美团、360等科技人才、设计师及CEO和投资人；高校分布MIT、Oxford、Cambridge、CMU、UoM、清华、上交大、同济等学生及教师群体；学科跨越机器学习、自然语言处理、量化交易、物联网、区块链、前端、后端、产品经理、UI设计、建筑设计、服装设计、珠宝设计、音乐、艺术等。
社区典型的用户技能为：
ML00：小程序开发、AI+设计
ML04: 算法作曲
ML05：AI变脸
ML07：WebGL+Three.js数据可视化
ML14：增长黑客
ML16：机器学习
ML37：AR
ML41：人工智能+音乐
ML44：珠宝设计+参数化设计
ML83：量化交易、数字货币交易
ML109：Arduino、processing
ML113：人工智能+服装设计
ML206：VR/AR
ML245：建筑设计智能化
详细介绍点击以下卡片：
mixlab期待您的加入！
让你具备无限可能……
不赞赏下？
不点下广告？
不转发下？