Qual è la differenza tra AutoML per dati tabulari e CV/NLP?

AutoML per i dati tabulari differisce da AutoML per CV (Computer Vision) e NLP (Natural Language Processing) in diversi aspetti chiave:

• Tipo di dati e pre-elaborazione:

  • I dati tabulari contengono generalmente valori numerici, categorici e valori mancanti, che richiedono una elaborazione specifica (codifica delle categorie, riempimento dei valori mancanti).
  • CV e NLP lavorano rispettivamente con immagini e testo, dove l'importanza è nel trattamento dei pixel, tokenizzazione, vettorizzazione.

• Modelli e architetture:

  • Per i dati tabulari, si usano spesso ensemble di alberi decisionali (ad esempio, XGBoost, LightGBM), modelli lineari, reti neurali con strati densi.
  • In CV si impiegano reti neurali convoluzionali, in NLP — trasformatori e reti ricorrenti.

• Hyperparametri e ricerca:

  • Nei dati tabulari, l'attenzione è rivolta alla selezione dei parametri dei modelli e all'elaborazione delle caratteristiche.
  • In CV/NLP, è importante regolare l'architettura, gli strati, gli ottimizzatori.

• Metriche e compiti:

  • I dati tabulari risolvono spesso compiti di classificazione e regressione con metriche classiche.
  • CV e NLP possono avere metriche specifiche (ad esempio, IoU per la segmentazione, BLEU per la traduzione).

Pertanto, AutoML per i dati tabulari è orientato a un'elaborazione efficiente di caratteristiche diverse e alla selezione di modelli classici, mentre per CV/NLP — al lavoro con dati ad alta dimensione e strutturati, utilizzando architetture neurali specializzate.