Без заголовка

Сейчас весьма популярно построение ансамблей из (относительно) простых алгоритмов обучения. А также ансамблей из ансамблей (и порой ансамблей из ансамблей из ансамблей). А для генерации кандидатов в базовые лёрнеры, как раз и используется что-то типа эволюционного подхода. Ибо стоит задача получить прежде всего разнообразные (некоррелированные) модели, которые имеют хорошую, но не самую лучшую производительность. Ну и эволюционный подход и дает разнообразие. Т.е. берем набор базовых компонентов, типа несколько вариантов как заполнять пропуски в данных, несколько feature extractors, те или иные способы feature selection/filtering, несколько мощных базовых алгоритмов обучения (типа SVM, Random Forest, GBM, нейросетки, etc). Все это комбинируем в разных сочетаниях, с разными гипер-параметрами, отбираем комбинации которые хорошо работают, ну и объединяем их в ансамбли. А полученные ансамбли - в другие ансамбли, ну и т.д. Вобщем, я бы сказал, что в мета-обучении, эволюционный подход так или иначе используется на верхнем уровне, для генерации набора моделей-кандидатов, которые потом тренируются, отбираются и комбинируются другими методами.