前言
先给AutoML做个定义：用户给出可能的raw数据（但是经过标注），机器自动完成整个特征化，模型训练，模型选择/组合，超参数调优，部署上线。
最近一直在思考如何提高算法工程师效率，并且能让普通工程师也参与进来，毕竟现在来看，招聘到一个合格的算法成本颇高。经过对现实中很多场景的观察，我发现很多情况下算法训练并没有太多的数据可以用（标注的好的数据是昂贵的），那么通过算力实现AutoML则是一种可能的选择。 在StreamingPro中，特征处理都是分布式的，但是到最后模型训练，tensorflow/sklearn目前还都都是单机实现，那么大部分节点都会是空闲的，所以这个时候通过加强算力的利用率来提供AutoML程度，显然是相当划算的。
而要实现最终的AutoML,则需要先Auto每一个环节。就目前而言，如果能实现以下四个Auto,则很容易实现最终的AutoML。实现真正的，标注，丢数据即可，后面的流程完全机器完成。
AutoFeature
丢过来一张表，系统自动实现特征抽取（组合，转化)。之前已经做过一个尝试，从DataFrame自动化特征抽取的尝试,对应的代码在easy_feature。
当时提出的核心四点是：类型，规则，统计，先验，通过这四个信息决定该如何生成特征。
然而这样做到的是shallow featurize，其本质只是为每个字段生成一个vector/scalar 表示形式，最后concat成一个final向量，并不具备根据训练过程或者结果调整新的表达方式的能力。具体做法就是：得到多组特征表达，然后使用同一个模型对多组表达同时进行训练，选取表达最好的一组。
AutoSamples
自动化样本处理，这包含了如下几个部分：
- 通过合适的方式（比如随机）切分出测试和训练集。
- 计算得到每个分类的分布，选择下采样或者过采样，或者将样本多的分类切分成多份，使用同一个算法进行多次训练得到多个模型。
AutoModel
多模型同时训练choose best
AutoHyperParamTuning
单一模型的多组参数组合，自动探索参数的向上或者向下走。
处理流程
显然，如果把四步暴力组合，显然搜索空间是巨大的。实际上对于AutoFeature，我们会挑选一个通常表现会比较好的算法（如随机森林/SVM）,先找出特征表达的最好的形式，接着才进入AutoSamples 阶段，之后再进入AutoModel阶段。在AutoModel阶段，我们会挑选出最好的一个模型，进入AutoHyperParamTuning阶段，对每个参数增大或则减少来判断效果（当然，可以去参考一些开源的的超参数自动调优算法）
最终我们会得到一个合适的模型，理论上用户可以预先设计一个准确率，如果达到了，那么就可以发布了，否则应该发邮件通知用户，告知用户状况，并且把自己的模型和参数给用户看。
在StreamingPro里，当训练结束时，其实对应的Predict Service已经可以用了，当然，我们可能需要进行单独作为API部署，这个时候只需要让StreamingPro能够和jekins发消息即可，即可完成自动部署流程，这也得益于StreamingPro支持多种模型的部署：MLSQL如何支持部署SKLearn,Tensorflow,MLLib模型提供API预测服务
