AutoMLの正解率では満足できない方、支援します

最近、深層学習のテーブルデータ分析の性能が上がってきました。 機械学習コンテストの上位クラスには勝てませんが、中の中位には勝てるようです。 このため、以下の点から、テーブルデータ系深層学習に移る方が多くなってきています。 １．特徴量エンジニアリングが不要 ２．交互作用の高次が自動的に発見される。 　　　（機械学習では、３次までに、ロックされています。） 　　現場のプロは、３次の交互作用くらいなら、勘と経験で発見しています。 ３．AutoMLでは、未来のデータに対する予測具合（汎化）の評価に決定打はありません。 　　所詮、過去データを弄り廻すだけ。 　『深層ニューラルネットワークの高速化』によると、深層学習なら、 　　汎化の法則を発見するとモデル容量が減るので、これを見ると良いとのこと。 AutoMLをデフォルトで使っている場合は、中の下も無理です。 テーブルデータ系深層学習である、Torch_Tabularの使い方を講習します。 講習用データは、以下の２案あり。 １．お客様のデータ ２．競馬データ 　　　（お客様のデータが開示できないとき） データ分析の世界は、自分達でリスキングすれば、何とかなると思ったら、大きな間違いです。例えば以下が理解できないと、ライバルに勝てないです。 １．optunaのCatCMA Sampler