Sammanflätande av AutoML och Data Science-metod

The advent of automated machine learning (AutoML) tools promises to democratize machine learning to non-experts in the field. These tools certainly effect the process of applying machine learning for non-experts, but it is not clear how data scientists will be able to draw benefit from having access to automated machine learning systems. This bachelor thesis is an inquiry into how an application of one such AutoML system, Google Cloud AutoML, can improve upon commercial state of the art ensemble models. Specifically, inferences about unimportant features were examined and removed from an ensemble model, weighted between eXtreme Gradient Boosting and Random Forest Regressor, based on a feature importance graph produced by Google Cloud AutoML tables. The results showed a positive impact overall on the error rates of mean absolute error and root mean square error. While it was not of statistical significance, the method for feature selection showed a trend of increasing its performance on the error metrics. While the method was not proved to be statistically significant it nonetheless showed promise as a technique for reducing model complexity by decreasing dimensionality. Automatiserad maskininlärning (AutoML) yrkar för att tillgängliggöra maskininlärning och demokratisera tekniken för icke-experter. AutoMLs nytta för maskininlärningsexperter är dock inte uppenbar; teknikens användbarhet för experter är också ämnet som kommer att behandlas i denna avhandling. För att undersöka ifall AutoML kan bistå professionellt gångbara maskininlärningsmodeller prövas en metod för borttagning av prediktorer. Specifikt undersöks det om man kan dra slutsatser från AutoML genom att ta bort oberoende prediktorer som rankas att vara sämst på en AutoML-generad rankningslista. Rankningslistan bedömer prediktorernas värden i termer av hur viktiga de anses vara enligt Google Cloud AutoML. Resultatet från undersökningen visade en positiv påverkan på både mean absolute error och root mean square error. Trots att resultaten inte uppnådde statistisk signifikans, gav metoden upphov till en positiv trend av minskat fel. Utöver det konstaterades det att metoden kunde reducera modellkomplexitet genom att reducera dimensionalitet utan att kunna bevisas leda till en statistiskt signifikant ökning av fel