4月17日，2019年亚太知识发现和数据挖掘会议（PAKDD）在澳门落下帷幕，会议上公布了PAKDD 2019 AutoML3+ 挑战赛最终获奖名次和团队：深兰科技 DeepBlueAI 团队斩获第一名，由微软亚洲研究院、北航组成的 ML Intelligence 团队位居二名，由清华大学组成的 Meta_Learners 团队获得第三名。

作为数据挖掘和知识发现领域历史最悠久，领先的国际会议之一，PAKDD 2019也是一次全球范围内专注AutoML的比赛。据官方公布的资料显示，此次挑战赛共吸引了来自加拿大、美国、澳大利亚、印度、中国等46个国家（地区）的130支团队参与，而来自中国的企业、高校组成的队伍包揽比赛前三名。

Feedback phase排行榜

从排行榜来看，本次比赛在五个不同任务数据集上以AUC作为评分指标，五个任务的 Rank（在所有队伍中的排名）值进行平均作为最后的排名依据。位居榜首的DeepBlueAI 团队在Feedback phase的 5 项测试任务中斩获了 4 项第一、1 项第二的成绩。

深兰科技团队赛后接受采访时表示，作为国内较早实现人工智能商业化落地的企业，深兰科技不仅专注算法研究，也关注日常人工智能场景的落地化应用，为此他们积累了大量具有稀疏特征列和大量可能特征值的数据集，“数据分布会随着时间的推移而缓慢变化，我们要做的是如何让机器学习更好地去适应不同的环境。”

深兰科技团队发表演讲

据介绍，深兰科技团队设计的终身机器学习框架通过融合不同时期的数据以及结合DNN和LightGBM的训练来自适应概念漂移，并引入了自适应采样来缓解类别不平衡，同时在一定时间间隔上让模型重复训练去适应概念漂移，实现终身机器学习。这种终身机器学习方法可以提高人工智能产品商业应用落地时对环境的自适应能力，可以真正实现人工智能算法的自我学习功能。

“根据模型学习出的好的分类器，可以用于疾病预测中，数据集和精准度比过往提高数倍。”据获奖团队介绍，原先需要2-3年深度学习实现的数据集和精准度，应用了AutoML之后，可能只需要半个月。

目前AutoML已经广泛应用在精准营销、金融风控、自动驾驶、疾病预测等业务场景中，做出了接近甚至超过数据科学家的模型效果，决策精准度超过人类专家规则数倍。