AutoML 坏掉了

作者：Piotr Plonski在Netezza和IBM担任过软件工程师，担任过iQor的数据科学家，华沙理工大学的助理教授，现为MLJAR公司创始人。

自动化机器学习坏掉了

本文阐述了反对实施机器学习解决方案的若干理由，并介绍了面临的问题不是机器学习问题，可能使用优化就能加以解决的场景。

按照维基百科的解释，自动化机器学习（AutoML）是指使运用机器学习处理实际问题的整个端到端过程实现自动化。

典型的机器学习应用包括：

数据预处理

特征提取、工程和选择

算法选择

超参数优化

好多步骤！AutoML旨在使它们实现自动化，那样你就可以将宝贵的时间用于处理更具挑战性的任务上。听起来很酷，但果真如此吗？不妨仔细看看......

开始之前，你的问题是什么？

在开始构建机器学习管道（自动或手动）之前，你需要知道：

你想要实现什么样的目标？

你想要解决什么样的问题？

你真的需要机器学习吗？

这非常重要！也许你不需要复杂的机器学习解决方案。许多问题不是机器学习问题。它们可能是优化问题、探索性数据分析任务，或者是用简单的统计方法就能解决的问题。

好了，现在你确信自己需要机器学习。

三个数据问题：什么？哪里？怎样？

然后，你需要数据！

你需要什么数据！

你已经拥有它了（在某个地方）吗？

你需要购买吗？

你需要手动标记吗？

数据位于何处以及如何可以访问它？

如何合并多个源数据？（这可能很重要）

许多人表示，上面概述的这些步骤是构建机器学习解决方案过程中最耗费时间的，因此也是最耗费资金的。在生产环境中运行这部分至少需要某种基本的抽取、转换和加载（ETL）。

让我们训练模型吧（这部分很简单）

数据准备好后，就可以运用AutoML。只要点一下鼠标，你就可以训练成百上千个模型，随后这些模型在云端并行训练。你最终会得到一组模型，或者甚至全部模型，它们经过训练，就某个验证方案而言可优化某个指标。最好的那个（全面调优）模型会比拥有默认超参数的单个模型好几个百分点。全部模型让你可以在接下来改进几个百分点。假设你最终改进了10%至25%，相当好，是不是？！在相同的情况下，这可以转化为巨大的投资回报――想想交易解决方案或信用评分任务。

模型复杂性

不过你最终会得到一个复杂的模型，有以下属性：

难以理解的黑盒子（是的，你可以尝试使用AI解释器，努力解释模型及其预测）

计算预测所需要的时间可能很长（以全部模型为例，你需要计算来自所有模型的预测）

难以维护......

机器学习维护

模型维护是什么意思？嗯，仅仅训练精确、花哨的AI/机器学习模型还不够。想在生产环境中使用机器学习模型，你应该：

监控数据质量，意识到可能出现的漂移（比如如果是自然语言处理即NLP，语言需要多年才有显著变化，但如果是客户数据，可能几天内就会变化）

监控预测（模型拿训练中未见到的新数据来计算预测，因此没人知道会发生什么）

提供反馈回路，可用于监控用途和模型再训练。

无聊的软件

训练机器学习模型令人兴奋！这是Tigger最喜欢的！围绕机器学习构建软件并不同样令人兴奋。机器学习模型在生产环境中运行所需要的无聊软件包括：

为训练和生产准备输入数据所用的软件――你的ETL解决方案

为服务机器学习模型、监控数据质量和反馈回路所用的软件

为请求机器学习模型拿新的数据记录计算预测，并进行操作所用的软件（是的，你需要用预测做一些事情，为此还需要代码）

在本地运行机器学习时，最后两个步骤通常联系起来。所有使用的软件同样需要一些维护。

用预测做什么？

你已成功完成上述所有步骤。恭喜！你现在可以拿新的数据记录来计算预测。可以用预测做什么？

你可以用预测来获取洞察力（我认为这是最容易的方法，实际上这根本不使用机器学习模型，这是探索性数据分析）

你可以用预测来执行操作。有很多可能性，比如可用于提交汇兑交易或向客户发送电子邮件。我认为这是整条机器学习管道中最出色的部分。基于数据行事。

结论：

1. AutoML解决方案可以调整机器学习模型，并借助某种验证模式和数据来提高准确性。它可以节省大量时间，数据科学家通常需要大量的时间来检查不同的算法和验证（你不需要编代码、不需要检查库版本或接口）。当然，拥有AutoML是一大优势，很有必要。然而在我看来，就算你有AutoML魔法箱子，也需要大量资源（资金、时间和人力）来处理贵公司的机器学习。

2. 你需要提供无聊的软件来处理数据并利用机器学习预测。我认为，机器学习管道的这部分被低估了，实际上它是数据驱动型解决方案的主力部分。

3. 此外，很多时候你不需要复杂的高精度模型。我认为最好从一个尽可能简单的模型入手，看看你是否可以将它运用于实际生活中，它是否为贵公司提供改进/投资回报。就连简单的机器学习模型也应该胜过根本就没有模型（随机处理）。简单模型比复杂模型有显著优势：它们对人类而言是可读的（是的，你可以理解它在做什么！）。

4. 使用机器学习来执行操作。你会感受到自动化带来的便利。机器学习模型基于你的数据来自学（你不需要为它编代码），然后它可以帮你预测未来。用它来执行操作。

5. 商用AutoML解决方案价格不菲（每年5万至20万美元），因此只有大企业才负担得起。除此之外，你仍需要大量资源才能在公司成功地部署机器学习。我认为，中小企业需要等待，等到这项技术趋于成熟，变得更经济实惠。