祝贺我组在自动化特征工程的工作被国际首届自动化机器学习会议AutoML-Conf 2022 录用!

近日，本组在自动化特征工程（Automated Feature Engineering, AutoFE）方向的论文被国际首届自动化机器学习（AutoML-Conf 2022, the 1st International Conference on Automated Machine Learning）会议录用（录用率19.2%，全球共20篇）。特征工程在机器学习落地应用中起着至关重要的作用，特征的好坏往往直接影响着模型的预测性能。本工作首次提出一种基于Encoder-Predictor-Decoder的特征优化器，并在此基础上，研究提出一种高效可微的自动化特征工程方法，能够从原始特征集合中，通过搜索高阶可嵌套的特征变换策略，自动生成高价值的、可提升模型预测性能的新特征，整个过程无须专家经验和领域知识，可大大提升特征工程的效率。论文工作主要由PASA大数据实验室研究生许卓尔完成，指导教师为朱光辉博士。

自动化机器学习（Automated Machine Learning，AutoML）技术已引起学界和业界的高度关注。为了推动自动化机器学习技术的发展以及AutoML研究人员的沟通交流，国际上首次举办了专门面向AutoML自动化机器学习技术的学术会议AutoML-Conf 2022（https://automl.cc/），该会议将和ICML 2022共同召开。除了要求AI顶会（如ICML、ICLR、NeurIPS）的录用标准外，该会议还专门要求论文代码必须开源，并且要求论文工作具有良好的可复制性，并将其作为论文能否录用的重要标准。