Разница между автоматическим машинным обучением (AutoML) и ручным Feature Engineering заключается в подходе к обработке данных и созданию признаков для моделей машинного обучения. 310

AutoML упрощает задачу специалиста по анализу данных, автоматически обучая и настраивая модели для достижения оптимальной точности в зависимости от предоставленных данных. 6 Он упрощает добавление и выбор признаков, автоматически тестируя различные комбинации. 3

Ручной Feature Engineering требует более тщательного и итеративного процесса, так как предполагает работу с экспертами в предметной области, тестирование гипотез, построение и оценку моделей машинного обучения. 1 В рамках этого процесса создаются новые признаки на основе уже имеющихся данных, например, путём их преобразования или добавления новых переменных. 25

Таким образом, AutoML направлен на автоматизацию ключевых этапов проекта, чтобы исследователи данных могли сосредоточиться на решении реальной проблемы, а не на написании кода в поисках лучшей модели. 6 Ручной Feature Engineering требует более индивидуального и творческого подхода, так как предполагает использование знаний предметной области и интуиции для создания признаков. 10