본 논문은 알고리즘 선택 및 매개변수화(ASP) 문제에 대한 최신 연구 동향을 개괄적으로 제시합니다. 기존 연구들은 다양한 메타러닝 설정에서 ASP 문제를 다루는 데 상당한 진전을 이루었지만, 기존 방법들의 성능을 비판적으로 분석, 요약 및 평가하는 종합적인 연구는 부족했습니다. 본 논문에서는 지속적으로 발전하는 이 분야의 최신 기술을 개괄적으로 살펴보고, 메타러닝을 통한 분류기 선택의 동기를 밝힙니다. 자동화된 기계 학습(AutoML)을 ASP 문제로 다루며, AutoML이 기계 학습 기술을 전문 지식이 부족한 도메인 과학자들에게 접근 가능하게 만드는 역할을 강조합니다. 기존 연구 검토를 통해 도출된 일반적인 프레임워크를 기반으로 분류기 선택의 다양한 단계를 논의하고, 4백만 개의 사전 학습된 모델로 구성된 벤치마크 지식 기반을 제시합니다. 또한, 8개의 분류 알고리즘과 400개의 벤치마크 데이터 세트를 기반으로 주요 분류기 선택 방법에 대한 광범위한 비교 평가를 수행하여 알고리즘 선택 방법의 성능을 정량적으로 평가하고 기존 연구의 강점과 한계를 강조합니다.
