Unsupervised AutoML: a study on automated machine learning in the context of clustering

Abstract

Η μοντελοποίηση μεθόδων και διεργασιών Μηχανικής Μάθησης, είναι μια διαδικασία η οποία είναι υπολογιστικά ακριβή, προϋποθέτει τεχνογνωσία στο τομέα της επιστήμης των Δεδομένων και πολλές φορές γνώση του τομέα του προβλήματος το οποίο εξετάζεται. Για την αντιμετώπιση των προαναφερθέντων δυσκολιών, αναπτύχθηκε ένας τομέας έρευνας γνωστός ως Automated Machine Learning (AutoML) ο οποίος αποσκοπεί στην αυτοματοποίηση της διαδικασίας μοντελοποίησης. Διάφορα συστήματα έχουν διαμορφωθεί τα τελευταία χρόνια με σκοπό την επίλυση αυτού, τα οποία όμως εστιάζουν σε προβλήματα επιβλεπόμενης μάθησης. Αντίθετα, η αυτοματοποιημένη μοντελοποίηση τεχνικών μη-επιβλεπόμενης Μηχανικής Μάθησης παραμένει ένας κλάδος σχετικώς ανεξερεύνητος και αποτελεί τον κύριο στόχο της παρούσας εργασίας. Συγκεκριμένα εξετάζεται η αυτοματοποίηση επιλογής μεθόδων τεχνικών συσταδοποίησης με σύγχρονες τεχνικές όπως Meta-Learning και Bayesian Optimization.