다음 목록에는 AutoAI에 알려진 공통 문제점이 포함되어 있습니다. AutoAI 실험을 실행하거나 배치하는 데 실패하면 이러한 공통 문제점 일부 및 솔루션을 검토하십시오.
대규모 데이터 세트로 실험 훈련 속도 향상
Copy link to section
모델 트레이닝에 시간이 초과되거나 비정상적으로 오랜 시간이 걸리는 경우 트레이닝 시간을 줄이기 위한 다음 지침을 고려하세요:
AutoAI 도구의 실험 설정 페이지에서:
최적화된 알고리즘 선택 옵션이 점수 및 실행 시간으로 설정되어 있는지 확인합니다.
XGBRegressor 모델을 비활성화합니다. 이 조정은 결과를 더 빨리 얻는 데 도움이 될 수 있지만 점수가 약간 낮아질 수 있습니다.
코딩된 실험의 경우:
SDK 문서에 설명된 대로 ' daub_give_priority_to_runtime 파라미터를 전달합니다.
주: 이 매개변수는 실험의 불확실성(재현 불가능성)을 높일 수 있습니다.
불완전하거나 이상치 입력 값을 배치에 전달하면 이상치 예측이 발생할 수 있습니다.
Copy link to section
기계 학습 모델을 배치한 후에는 모델을 훈련하는 데 사용되는 데이터와 현저하게 다른 입력 데이터를 제공하면 이상치 예측이 생성될 수 있습니다. Ridge및 LinearRegression 과 같은 선형 회귀 알고리즘이 스케일을 벗어난 입력 값을 전달되면, 모델은 값을 추정하고 상대적으로 큰 가중치를 지정하여 일치입한입고 중면와 폴더십시오,하 선택된 데이터와 일치하지 않는 스코어를 생성합니다.
지원 기능이 있는 시계열 파이프라인이 검색에 실패함
Copy link to section
지원 기능을 사용하여 AutoAI 시계열 실험을 훈련하고 시스템이 예측을 위해 파이프라인을 검색하려고 할 때 '오류: 이름' tspy_interpolators'가 정의되지 않음' 오류가 발생하는 경우, 시스템이 Java 8이상을 실행 중인지 확인하십시오.
소프트웨어 스펙 오류로 인해 파이프라인 또는 실험 노트북 실행이 실패함
Copy link to section
AutoAI 실험에 대해 지원되는 소프트웨어 스펙이 변경되는 경우, 이전 버전의 Python과 같은 이전 소프트웨어 스펙으로 빌드된 노트북을 실행할 때 오류가 발생할 수 있습니다. 이 경우에는 실험을 다시 실행한 후 새 노트북을 저장한 후 다시 시도하십시오.
메모리 부족 오류 해결
Copy link to section
AutoAI 생성 노트북에서 셀을 실행할 때 메모리 오류가 발생하는 경우 AutoAI 노트북에 대한 추가 자원이 있는 노트북 런타임을 작성하고 셀을 다시 실행하십시오.
서브샘플링이 포함된 실험용 노트북은 예측 생성에 실패할 수 있습니다.
Copy link to section
모델을 준비하기 위해 파이프라인 정제를 수행하고 실험이 훈련 중에 데이터의 서브샘플링을 사용하는 경우 실험에서 저장된 노트북을 실행할 때 " 알 수 없는 클래스 오류가 발생할 수 있습니다.
문제는 훈련 데이터 세트에 포함되지 않은 알 수 없는 클래스에서 발생합니다. 임시 해결책은 훈련을 위해 전체 데이터 세트를 사용하거나 실험에서 사용되는 하위 샘플링을 다시 작성하는 것입니다.
훈련 데이터를 서브샘플링하려면(fit() 이전), 샘플 크기 또는 샘플의 분수(실험에서 수행됨)로 샘플 크기를 제공하십시오.
AutoAI는 데이터의 서브세트를 분석하여 실험 유형을 위한 최적 맞춤을 판별합니다. 예측 열에 있는 샘플 데이터에
두 개의 값만 포함되는 경우, AutoAI는 2진 분류 실험을 권장하고 관련 알고리즘을 적용합니다. 그러나 전체 데이터 세트의 예측 열에 세 개 이상의 값이 포함되어 있는 경우 2진분류에 실패하고 AutoAI 가 파이프라인을 작성할 수 없음을 표시하는 오류가 발생합니다.
이런 경우 정의된 값 세트, 회귀 또는 지정되지 않은 값 세트에 대해 2진에서 다중 클래스로 실험 유형을 수동으로 변경하십시오.
실험 설정을 편집하려면 재구성 실험 아이콘을 클릭하십시오.
실험 설정의 예측 페이지에서 예측 유형을 예측 열의 데이터와 가장 일치하는 유형으로 변경하십시오.