Algorithm Selection（算法选择）

算法选择问题可形式化为：给定数据集特征和候选算法集，预测每个算法的性能并选择最优。传统方法使用元学习，提取数据集的元特征（如样本数、特征数、类别数）训练性能预测模型。近年来，基于深度学习的元学习器和强化学习策略（如MetaQNN）进一步提升了选择效率。该技术是自动化机器学习的关键环节，能显著降低模型开发门槛。