01 AutoML概述
记得若干年前的某次周会上，我说“AutoML不光是调参，应该包含自动特征工程。”当时得到了大佬们的嘲讽，说我不懂技术瞎说。今天回过头来看AutoML是一个系统化的体系，包含3个要素：
-
自动特征工程AutoFeatureEng
-
自动调参AutoTuning
-
自动神经网络探索NAS
02 NNI概述
NNI（NerualNetworkIntelligence）是微软发起的一个AutoML开源工具，覆盖了上文提到的3要素，地址：
https://github.com/SpongebBob/tabular_automl_NNI
我目前只学习了自动特征工程这一个模块，总体看微软的工具都有一个比较大的特点，技术可能不一定多新颖，但是设计都非常赞。NNI的AutoFeatureENG基本包含了用户对于AutoFeatureENG的一切幻想。在微软做PD应该挺幸福吧，底层的这些个框架的设计都极为合理。
03 细说NNI-AutoFeatureENG
使用是非常简单的，安装下文件中的require，然后
-
pip
install NNI
-
NNI把AutoFeatureENG拆分成exploration和selection两个模块。exploration主要是特征衍生和交叉，selection讲的是如何做特征筛选。
04 特征Exploration
在特征衍生方面，微软教科书般的把特征衍生分成以下一些方式：
count：传统的统计，统计一些数据的出现频率
target：特征和目标列的一些映射特征
embedding：把特征看成句子，用word2vector的方式制作向量
crosscount：特征间除法，有点类似CTR
aggregete：特征的min/max/var/mean
nunique、histstat：：这两个没太看懂
具体特征怎么交叉，哪一列和哪一列交叉，每一列特征用什么方式衍生呢？可以通过search_space.json这个文件控制。
Exploration的目的就是长生出新的特征。在代码里可以用get parameter的方式获取tuning的参数：
RECEIVED_PARAMS = nni.get_next_parameter()05 特征Selection
为了避免特征泛滥的情况，避免过拟合，一定要有Selection的机制挑选特征。这里微软同学用了个小心机，在特征筛选的时候主推了同样是他们自己开源的算法lightGBM，
了解xgboost或者GBDT算法同学应该知道，这种树形结构的算法是很容易计算出每个特征对于结果的影响的。所以使用lightGBM可以天然的进行特征筛选。弊病就是，如果下游是个LR这种线性算法，筛选出来的特征是否具备普适性。跑通后产出的结果包含了每个特征的value以及属性。
06 总结
NNI的AutoFeature模块是给整个行业制定了一个教科书般的标准，告诉大家这个东西要怎么做，有哪些模块，使用起来非常方便。但是如果只是基于这样简单的模式，不一定能达到很好的效果。我觉得在Exploration方面可以引用一些DNN的特征组合方式，提取更高维度的特征。在Selection方面可以有更多的智能化方案，比如可以基于下游的算法自动选择Selection机制。
总之NNI在设计曾给了我一些启发，还是一个挺好的开源项目，推荐给大家~大家用的时候如果是Mac电脑可能会遇到gcc的问题，因为开源项目自带的脚本是基于gcc7编译的，可以用下面的方法绕过去。
brew install libomp转载：https://blog.csdn.net/gshengod/article/details/103863516