基本信息
文件名称：AutoML在高噪声任务中的鲁棒性评估模型与元学习驱动的自适应搜索机制研究.pdf
文件大小：195.45 KB
总页数：11 页
更新时间：2025-12-31
总字数：约1.29万字
文档摘要
AUTOML在高噪声任务中的鲁棒性评估模型与元学习驱动的自适应搜索机制研究1
AutoML在高噪声任务中的鲁棒性评估模型与元学习驱动
的自适应搜索机制研究
1.研究背景与意义
1.1AutoML技术的发展现状
自动机器学习（AutoML）技术近年来取得了显著进展，它旨在自动化机器学习流
程中的关键步骤，如数据预处理、特征工程、模型选择和超参数调优等，从而降低机器
学习的门槛，使非专业人员也能高效地应用机器学习技术解决实际问题。根据相关统
计，全球A