AutoAI prepara automáticamente los datos, aplica algoritmos e intenta crear interconexiones de modelo que se adapten mejor a los datos y al caso de uso. Aprenda a evaluar las interconexiones del modelo para que pueda guardar una como modelo.
Revisión de los resultados del experimento
Durante la formación de AutoAI, el conjunto de datos se divide en una parte de entrenamiento y en una parte reservada. La parte de entrenamiento la utilizan las etapas de entrenamiento AutoAI para generar las interconexiones del modelo AutoAI y las puntuaciones de validación cruzada que se utilizan para clasificarlas. Después del entrenamiento de AutoAI , la parte de espera se utiliza para la evaluación del modelo de interconexión resultante y el cálculo de la información de rendimiento como, por ejemplo, las curvas ROC y las matrices de confusión, que se muestran en el marcador. El índice de división formación/reservado es de 90/10.
A medida que avanza el entrenamiento, se muestra un infográfico de árbol dinámico y un marcador. Pase el cursor por encima de los nodos en la infografía para explorar los factores que comparten las interconexiones y sus propiedades exclusivas. Para obtener una guía de los datos de la infografía, pulse la pestaña Leyenda en el panel de información. O bien, para ver una vista diferente de la creación de interconexión, pulse la pestaña Detalles de experimento del panel de notificación y, a continuación, pulse Conmutar vistas para ver el mapa de progreso. En cualquiera de las vistas pulse un nodo de interconexión para ver la interconexión asociada en el marcador. El marcador contiene interconexiones de modelo clasificadas por puntuaciones de validación cruzada.
Ver las transformaciones de la interconexión
Pase el cursor por encima de un nodo en la infografía para ver las transformaciones de una interconexión. La secuencia de transformaciones de datos consta de un transformador de preproceso y una secuencia de transformadores de datos, si se ha realizado la ingeniería de características para la interconexión. El algoritmo lo determina la selección del modelo y los pasos de optimización durante el entrenamiento de AutoAI.
Consulte Detalles de implementación para revisar los detalles técnicos para crear las interconexiones.
Ver el marcador
Cada interconexión de modelo se puntúa para varias métricas y, a continuación, se clasifica. La métrica de clasificación predeterminada para los modelos de clasificación binaria es el área bajo la curva ROC. Para modelos de clasificación de varias clases, la métrica predeterminada es la precisión. Para los modelos de regresión, la métrica predeterminada es el error cuadrático medio raíz (RMSE). Las interconexiones con la clasificación más alta se muestran en un marcador, por lo que puede ver más información sobre ellas. El marcador también proporciona la opción de guardar interconexiones de modelo seleccionadas después de revisarlas.
Puede evaluar las interconexiones del modo siguiente:
- Pulse una interconexión en el marcador para ver más detalles sobre las métricas y el rendimiento.
- Pulse Comparar para ver cómo se comparan las interconexiones principales.
- Ordene el marcador por una métrica diferente.
Visualización de la matriz de confusión
Uno de los detalles que puede ver para una interconexión para un experimento de clasificación binaria es una Matriz de confusión.
La matriz de confusión se basa en los datos reservados, que es la parte del conjunto de datos de entrenamiento que no se utiliza para entrenar la interconexión del modelo, sino que sólo se utiliza para medir su rendimiento en datos que no se han visto durante el entrenamiento.
En un problema de clasificación binaria con una clase positiva y una clase negativa, la matriz de confusión resume las predicciones positivas y negativas del modelo de interconexión en cuatro cuadrantes en función de su exactitud con respecto a las etiquetas de clase positivas o negativas del conjunto de datos de reserva.
Por ejemplo, el experimento de ejemplo Banco busca identificar a los clientes que toman promociones que se les ofrecen. La matriz de confusión de la interconexión con la clasificación más alta es:
La clase positiva es 'yes' (lo que significa que un usuario acepta la promoción). Se puede ver que la medición de verdaderos negativos, es decir, los clientes que el modelo predijo correctamente que rechazarían sus promociones, es alta.
Pulse los elementos del menú de navegación para ver otros detalles sobre la interconexión seleccionada. Por ejemplo, Importancia de características muestra qué características de datos contribuyen más al resulatdo de la predicción.
Guardar una interconexión como un modelo
Cuando esté satisfecho con una interconexión, guárdela utilizando uno de estos métodos:
- Pulse Guardar modelo para guardar el conducto candidato como un modelo en el proyecto para que pueda probarlo y desplegarlo.
- Pulse Guardar como cuaderno para crear y guardar un cuaderno generado automáticamente en el proyecto. Puede revisar el código o ejecutar el experimento en el cuaderno.
Próximos pasos
Promocione el modelo entrenado a un espacio de despliegue para que pueda probarlo con nuevos datos y generar predicciones.
Más información
Detalles de implementación de AutoAI
Tema principal: Visión general de AutoAI