🔑 名詞卡

AutoML（Automated Machine Learning，自動化機器學習）

🎯 定義

以智慧演算法自動執行特徵生成、特徵選擇、模型選擇與超參數調校的機器學習平台技術，讓資料科學家不必手動執行繁瑣的特徵處理過程。代表平台：Google AutoML、H2O.ai、AutoKeras、TPOT。

自動特徵工程五大功能

功能	內容
自動特徵創建	資料轉換與組合生成新變數（日期拆為年/月/日/星期、四則運算與對數轉換、多項式特徵、時間序列滯後特徵）
自動篩選有用特徵	以隨機森林、L1 正則化（Lasso）評估特徵貢獻度，自動刪除冗餘或低貢獻特徵
特徵組合與互動作用檢測	自動測試特徵組合（Interaction）對預測的影響，發現隱藏關聯性
適應不同資料集特徵	自動選擇編碼方式（One-hot / Target encoding）與缺失值填補方式
基於模型反饋選擇特徵	反覆訓練驗證多個模型，智慧選出最佳特徵集

加速資料科學流程（縮短原始資料到模型訓練的時間）、降低技術門檻（機器學習知識較少者也能建構模型）、提高模型效能（快速評估大量特徵組合）。

AutoML＝「把特徵工程與模型調校自動化的機器人」，優勢口訣「快、易、準」。

vs MLOps：AutoML 自動化的是「建模階段」（特徵與模型的選擇）；MLOps 自動化的是「維運階段」（部署、監控、再訓練），兩者處於生命週期的不同段落。

📖 課文原文
「隨著 AutoML（自動化機器學習）技術的快速發展……這些工具通過智慧算法自動生成、選擇特徵，使得資料科學家不再需要手動執行繁瑣的特徵處理過程、節省大量的時間和精力。」