3つの要点 ✔️ テーブルデータを自動で学習し、高パフォーマンスを発揮するAutoMLフレームワーク ✔️ 既存のAutoMLフレームワークがモデルとハイパーパラメータの選択を重視している一方、本手法は複数のレイヤーを使ってモデルのアンサンブルとスタッキングを行っている。 ✔️ この論文では、主要なAutoMLフレームワークの比較も行っている。 AutoGluon-Tabular: Robust and Accurate AutoML for Structured Data written by Nick Erickson, Jonas Mueller, Alexander Shirkov, Hang Zhang, Pedro Larroy, Mu Li, Alexander Smola (Submitted on 13 Mar 2020) Comments: accepted by IC