Informacje na temat procesu AutoAI

Dodatkowe informacje na temat każdej z tych faz, w tym odsyłacze do powiązanych dokumentów badawczych i opisów algorytmów zastosowanych do tworzenia rurociągów modelowych, zawiera sekcja Szczegóły implementacjiAutoAI.

Wstępne przetwarzanie danych

Większość zbiorów danych zawiera różne formaty danych i braki danych, ale standardowe algorytmy uczenia maszynowego działają tylko z numerami i bez braków danych. Dlatego też funkcja AutoAI stosuje różne algorytmy lub estymatory do analizowania, czyszczenia i przygotowywania surowych danych na potrzeby uczenia maszynowego. Ta technika automatycznie wykrywa i kategoryzuje wartości w oparciu o funkcje, takie jak typ danych: jakościowy lub liczbowy. W zależności od kategoryzacji, funkcja AutoAI wykorzystuje optymalizację hyper-parameter w celu określenia najlepszej kombinacji strategii dla brakujących podstawiania wartości, kodowania opcji i skalowania funkcji dla danych użytkownika.

Zautomatyzowany wybór modelu

Funkcja AutoAI korzysta z automatycznego wyboru modelu w celu zidentyfikowania najlepszego modelu danych. Ta nowatorska metoda testuje potencjalne modele na małych podzbiorach danych i szereguje je w oparciu o dokładność. AutoAI następnie wybiera najbardziej obiecujące modele i zwiększa rozmiar podzbioru danych, dopóki nie wykryje najlepszego dopasowania. Takie podejście oszczędza czas i zwiększa wydajność poprzez stopniowe zawężanie potencjalnych modeli w oparciu o dokładność.

Informacje na temat obsługi automatycznie generowanych rurociągów w celu wybrania najlepszego modelu można znaleźć w sekcji Wybór modelu AutoAI.

Zautomatyzowane inżynieria składników

Inżynieria składników identyfikuje najbardziej dokładny model, transformując surowe dane w kombinację funkcji, które najlepiej reprezentują problem. To unikalne podejście wykorzystuje różne opcje budowy funkcji w sposób ustrukturyzowany, niewyczerpujący, a jednocześnie stopniowo maksymalizujący dokładność modelu dzięki uczeniu się w procesie wzmocnienia. Ta technika prowadzi do zoptymalizowanej sekwencji transformacji danych, które najlepiej pasują do algorytmów kroku wyboru modelu.

Optymalizacja parametrów hiperparametrów

Optymalizacja hiperparametrów ogranicza najlepsze modele wykonania. Funkcja AutoAI korzysta z nowatorskiego algorytmu optymalizacji hiperparametrów dla niektórych ocen funkcji, takich jak modelowanie i ocenianie, które są typowe dla uczenia maszynowego. Takie podejście szybko identyfikuje najlepszy model pomimo długich czasów wartościowania w każdej iteracji.