1. Introduction
최상의 autotuned configuration은 input sets에 따라 달라질 수 있다. 이 논문은 two-level의 autotuning을 다루는 학습 알고리즘을 제시한다. 이 접근법은 input grouping, feature selection, classifier construction을 automatically하게 사용한다.
좋은 최적화를 찾는 일반적인 솔루션은 새로운 input의 특징에 따라 새로운 run(알고리즘?)을 사용해서 ML model을 build하는 것이다. 좋은 최적화를 찾기 위해 복수 개의 algorithm을 recursive한 poly-algorithm으로 합치는 방식이 있다. 그리고 input feature는 domain-specific하고 분석하기에 expensive하다. 예시로 SVD benchmark는 input matrix의 eigenvalues의 숫자에 sensitive하다.
...
추후예정
