Translation not up to date
Výběr modelu AutoAI
AutoAI automaticky připraví data, použije algoritmy a pokusí se sestavit ropovody modelu, které jsou nejvhodnější pro vaše data a příklad použití. Zde se dozvíte, jak vyhodnotit ropovody modelu, abyste je mohli uložit jako model.
Přezkoumání výsledků testu
Během výcviku AutoAI se vaše datová sada rozdělí na část s odbornou přípravou a z části Hold-out. Výcviková část je používána cvičeními AutoAI pro generování produktovodů a křížových hodnocení AutoAI , které se používají k jejich ohodnocení. Po provedení školení AutoAI se část úkrytu používá pro výsledné vyhodnocení modelu potrubí a výpočet informací o výkonu, jako jsou křivky ROC a matoucí matrice, které jsou zobrazeny v leaderboardu. Poměr rozdělení účastné/třídicího poměru je 90/10.
Jak trénink postupuje, jste prezentovány s dynamické infographic a leaderboard. Ponechejte ukazatel myši nad uzly v infografickém zobrazení a prozkoumejte faktory, které produktovody sdílejí, a jejich jedinečné vlastnosti. Jako vodítko pro data v infografickém zobrazení klepněte na kartu Legenda v informačním panelu. Chcete-li si prohlédnout jiný pohled na vytvoření propojení procesů, klepněte na kartu Podrobnosti experimentu na panelu oznámení a poté klepnutím na volbu Přepnout zobrazení zobrazte mapu průběhu. V obou pohledech klepněte na uzel propojení procesů, abyste zobrazili přidružený propojení procesů v leaderboard. Leaderboard obsahuje modelové ropovody, které jsou řazeny podle skóre křížových ověření platnosti.
Zobrazit transformace propojení procesů
Ponechejte ukazatel myši nad uzlem v infografickém zobrazení, abyste zobrazili transformace pro propojení procesů. Posloupnost transformací dat se skládá z transformátoru předběžného zpracování a posloupnosti transformátorů dat, pokud bylo pro propojení procesů provedeno technické oddělení. Algoritmus je určen výběrem modelu a optimalizačními kroky během školení AutoAI .
Chcete-li přezkoumat technické podrobnosti pro vytvoření propojení procesů, prohlédněte si téma Podrobnosti implementace .
Zobrazit leaderboard
Každý modelový kolona je očíslovaný pro různé metriky a pak ohodnocený. Výchozí metrika hodnocení pro binární modely klasifikace je oblast pod křivkou ROC. Pro modely klasifikace s více třídami je výchozí metrikou přesnost. U regresních modelů je výchozí metrikou základní střední kvadratická chyba (RMSE). Vysoceřazené ropovody se zobrazují v žebříku, takže si můžete prohlédnout další informace o nich. Leaderboard také poskytuje volbu pro uložení produktovodů modelu výběru poté, co jste je přezkoumali.
Ropovody můžete vyhodnotit následujícím způsobem:
- Chcete-li zobrazit další podrobnosti o metrikách a výkonu, klepněte na kolonu v leaderboardu.
- Klepnutím na volbu Porovnat zobrazíte, jak se k nejvyšším ropovody porovnávají.
- Řadit žebříček podle jiné metriky.
Zobrazení matice záměny
Jedna z podrobností, které lze zobrazit pro kolonu pro binární test klasifikace, je Zmatenost matice .
Mativa zmatku je založena na údajích o holdutu, což je část souboru údajů o odborné přípravě, která se nevyužívá pro výcvik ropovodu, ale pouze na základě měření jeho výkonu na údajích, které nebyly během odborné přípravy pozorovány.
V případě problému s binárními klasifikacemi s kladnou třídou a s negativní třídou je v matici zmatku uveden souhrn kladných a záporných předpovědí modelu potrubí ve čtyřech kvadrantech v závislosti na jejich korektnosti ohledně kladných nebo záporných jmenovek třídy dat pro datové sady.
Například ukázkový experiment v rámci banky se snaží identifikovat zákazníky, kteří přijímají propagační akce, které jsou jim nabídnuty. Maticová matice pro propojení procesů s nejvyšší pozicí je následující:
Kladná třída je 'yes' (což znamená, že uživatel provede povýšení). Můžete vidět, že měření pravdivých negativů, tj. zákazníci, model předpovídali správně, že by odmítli jejich propagační akce, je vysoká.
Chcete-li zobrazit další podrobnosti o vybraném propojení procesů, klepněte na položky v navigační nabídce. Například Význam funkce zobrazuje, které funkce dat nejvíce přispívají k vašemu výstupu předpovědi.
Uložit propojení procesů jako model
Jste-li s potrubím spokojeni, uložte jej pomocí jedné z těchto metod:
- Klepnutím na tlačítko Uložit model uložíte kandidátský kolonu jako model do svého projektu, takže jej můžete testovat a implementovat.
- Klepnutím na tlačítko Uložit jako zápisník vytvořte a uložte automaticky vygenerovaný notebook do vašeho projektu. Můžete přezkoumat kód nebo spustit experiment v zápisníku.
Další kroky
Propagujte školený model na prostor implementace, abyste jej mohli testovat s novými daty a generovat předpovědi.
Další informace
Podrobnosti implementaceAutoAI
Nadřízené téma: PřehledAutoAI