Что такое meta-features для warm-start AutoML?

Meta-features в контексте warm-start AutoML — это характеристики или статистики, описывающие свойства конкретного набора данных или задачи, которые используются для ускорения и улучшения процесса автоматического машинного обучения.

Идея warm-start (теплый старт) в AutoML заключается в том, чтобы использовать опыт, накопленный на похожих задачах, для более быстрого поиска хороших моделей и гиперпараметров на новой задаче.

Meta-features могут включать:

• Статистические характеристики данных (число признаков, число объектов, распределение классов).
• Метрики сложности задачи (например, меру шумности, корреляции признаков).
• Информацию о типах признаков (категориальные, числовые).

Используя meta-features, AutoML-система может подобрать начальные гиперпараметры или модели, которые хорошо работали на похожих данных, тем самым сокращая время и ресурсы на оптимизацию.

Пример: если meta-features показывают, что задача — классификация с большим числом категориальных признаков, AutoML может сразу начать с моделей, хорошо работающих с такими данными (например, градиентный бустинг с обработкой категориальных признаков).