Eingabedaten erfassen

Erfassen Sie die Trainingsdaten und bereiten Sie sie entsprechend vor. Details zu zulässigen Datenquellen finden Sie in der Übersicht über AutoAI.

AutoAI-Tool öffnen

Zur Vereinfachung verwendet Ihre AutoAI -Modellerstellung den Standardspeicher, der Ihrem Projekt zugeordnet ist, um Ihre Daten zu speichern und Modellergebnisse zu speichern.

1. Öffnen Sie Ihr Projekt.

2. Klicken Sie auf die Registerkarte Assets.

3. Klicken Sie auf Neues Asset > Modelle für maschinelles Lernen automatisch erstellen.

Details des Experiments angeben

1. Geben Sie einen Namen und eine Beschreibung für das Experiment an.

2. Wählen Sie eine Instanz des maschinellen Lerndienstes aus und geben Sie die Anmeldedaten für die Aufgabe ein, wenn Sie dazu aufgefordert werden. Klicken Sie dann auf Erstellen.

3. Wählen Sie Daten aus Ihrem Projekt aus oder laden Sie sie aus Ihrem Dateisystem oder aus dem Asset-Browser hoch und wählen Sie dann Weiter aus. Klicken Sie auf das Vorschausymbol, um die Daten zu überprüfen. (Optional) Fügen Sie eine zweite Datei als Holdout-Daten zum Testen der trainierten Pipelines hinzu.

4. Wählen Sie Vorherzusagende Spalte für die Daten aus, die beim Ausführen des Experiments vorhergesagt werden sollen.

   • Basierend auf der Analyse eines Subsets des Datasets wählt AutoAI einen Standardmodelltyp aus: Binärklassifikation, Mehrklassenklassifikation oder Regression. 'Binär' wird ausgewählt, wenn die Zielspalte zwei mögliche Werte enthält. Mehrfachklasse hat eine diskrete Gruppe von 3 oder mehr Werten. Die Regression hat eine stetige numerische Variable in der Zielspalte. Sie können diese Auswahl optional überschreiben.
     

     Hinweis: Der Grenzwert für zu klassifizierende Werte ist 200. Die Erstellung eines Klassifikationsexperiments mit vielen eindeutigen Werten in der Vorhersagespalte ist ressourcenintensiv und wirkt sich auf die Leistungs-und Trainingszeit des Experiments aus. So erhalten Sie die Qualität des Experiments:
     - AutoAI wählt eine Standardmetrik für die Optimierung aus. Beispiel: Die Standardmetrik für ein binäres Klassifikationsmodell ist *Genauigkeit *.
     -Standardmäßig werden 10% der Trainingsdaten angehalten, um die Leistung des Modells zu testen.

5. (Optional) Klicken Sie auf Experimenteinstellungen , um Optionen für Ihre AutoAI -Ausführung anzuzeigen oder anzupassen. Details zu Experimenteinstellungen finden Sie unter Klassifikations-oder Regressionsexperiment konfigurieren.

6. Klicken Sie auf Experiment ausführen, um mit der Erstellung der Modellpipeline zu beginnen.

In einer Informationsgrafik wird die Erstellung von Pipelines für die Daten dargestellt. Die Dauer dieser Phase hängt von der Größe des Datenbestands ab. Sie werden in einer Benachrichtigung darüber informiert, wenn die Verarbeitungszeit kurz ist oder mehr Zeit erforderlich ist. Sie können in anderen Teilen des Produkts arbeiten, während die Pipelines erstellt werden.

Bewegen Sie den Cursor über Knoten in der Infografik, um die Faktoren, die Pipelines gemeinsam nutzen, und ihre eindeutigen Eigenschaften zu untersuchen. Sie sehen die Faktoren, die Pipelines gemeinsam nutzen, und die Eigenschaften, die eine Pipeline eindeutig machen. Klicken Sie für eine Anleitung zu den Daten in der Infografik auf die Registerkarte Legende in der Informationsanzeige. Wenn Sie eine andere Ansicht der Pipelineerstellung anzeigen möchten, klicken Sie im Benachrichtigungsfenster auf die Registerkarte 'Experimentdetails' und anschließend auf Ansichten wechseln, um die Fortschrittsübersicht anzuzeigen. Klicken Sie in einer der beiden Ansichten auf einen Pipelineknoten, um die zugeordnete Pipeline in der Bestenliste anzuzeigen.

Ergebnisse anzeigen

Wenn der Pipelinegenerierungsprozess abgeschlossen ist, können Sie die eingestuften Modellkandidaten anzeigen und auswerten, bevor Sie eine Pipeline als Modell speichern.