AutoAI sürecini anlama

Model boru hatlarını oluşturmak için uygulanan algoritmaların açıklamaları ve ilişkili araştırma makalelerine bağlantılar da dahil olmak üzere bu aşamaların her birine ilişkin ek ayrıntılar için bkz. AutoAI uygulama ayrıntıları.

Veri ön işleme

Çoğu veri kümesi farklı veri biçimleri ve eksik değerler içerir, ancak standart makine öğrenimi algoritmaları yalnızca sayılarla çalışır ve eksik değerler yoktur. Bu nedenle AutoAI , işlenmemiş verilerinizi makine öğrenimi için analiz etmek, temizlemek ve hazırlamak için çeşitli algoritmalar veya tahmin ediciler uygular. Bu teknik, veri tipi: kategorik ya da sayısal gibi özelliklere dayalı olarak değerleri otomatik olarak algılar ve kategorilere ayırır. Kategorilere ayırmaya bağlı olarak AutoAI , verileriniz için eksik değer yükleme, özellik kodlaması ve özellik ölçekleme için en iyi strateji birleşimini belirlemek üzere hiper parametre eniyilemesini kullanır.

Otomatik model seçimi

AutoAI , verileriniz için en iyi modeli tanımlamak üzere otomatikleştirilmiş model seçimini kullanır. Bu yeni yaklaşım, potansiyel modelleri verilerin küçük alt kümelerine karşı test eder ve doğruluğa göre sıralar. AutoAI daha sonra en umut verici modelleri seçer ve en iyi eşleşmeyi tanımlayana kadar veri alt kümesinin boyutunu artırır. Bu yaklaşım, doğruluğu temel alarak potansiyel modelleri kademeli olarak daraltarak zaman tasarrufu sağlar ve performansı artırır.

En iyi modeli seçmek üzere otomatik olarak oluşturulan ardışık hatların nasıl işleneceğine ilişkin bilgi için AutoAI modelinin seçilmesibaşlıklı konuya bakın.

Otomatikleştirilmiş özellik mühendisliği

Aksam mühendisliği, işlenmemiş verileri sorunu en iyi şekilde temsil eden özelliklerin birleşimine dönüştürerek en doğru modeli tanımlar. Bu benzersiz yaklaşım, pekiştirmeli öğrenmeyi kullanarak model doğruluğunu aşamalı olarak en üst düzeye çıkarırken, yapısal ve kapsamlı olmayan bir şekilde çeşitli özellik oluşturma seçeneklerini keşfediyor. Bu teknik, model seçimi adımının algoritmalarıyla en iyi eşleşen veriler için iyileştirilmiş bir dönüşüm dizisiyle sonuçlanır.

Hyperparameter eniyilemesi

Hyperparameter optimization en iyi performans gösteren modelleri iyileştirir. AutoAI , makine öğrenmesinde tipik olan model eğitimi ve puanlama gibi belirli işlev değerlendirmeleri için yeni bir hiperparametre optimizasyonu algoritması kullanır. Bu yaklaşım, her yinelemede uzun değerlendirme sürelerine rağmen en iyi modeli hızla tanımlar.