Translation not up to date
AutoAI , verileri otomatik olarak hazırlar, algoritmalar uygular ve verileriniz ve kullanım örneğiniz için en uygun model boru hatlarını oluşturmaya çalışır. Model hatlarını model olarak kaydedebilmek için nasıl değerlendireceğinizi öğrenin.
Deney sonuçlarını gözden geçirme
AutoAI eğitimi sırasında, veri kümeniz bir eğitim bölümüne ve bir tutma bölümüne bölünür. Eğitim bölümü, AutoAI eğitim aşamaları tarafından, bunları derecelendirmek için kullanılan AutoAI model boru hatlarını ve çapraz doğrulama puanlarını oluşturmak için kullanılır. AutoAI eğitiminden sonra, elde edilen boru hattı modeli değerlendirmesi ve ROC eğrileri ve karışıklık matrisleri gibi performans bilgilerinin hesaplanması için tutma parçası kullanılır. Trening/hold-out bölünme oranı 90/10 'dur.
Eğitim ilerledikçe, size dinamik bir bilgi grafiği ve lider panosu sunulur. Ardışık çizgilerin paylaştığı katsayıları ve benzersiz özelliklerini keşfetmek için imleci infografikteki düğümlerin üzerine getirin. Bilgi grafiğindeki verilere ilişkin bir kılavuz için bilgi panosundaki Gösterge sekmesini tıklatın. Ya da ardışık düzen oluşturma işleminin farklı bir görünümünü görmek için, bildirim panosunun Deney ayrıntıları sekmesini tıklatın ve ilerleme haritasını görüntülemek için Görünümleri değiştir seçeneğini tıklatın. Her iki görünümde de, lider panodaki ilişkili ardışık düzeni görüntülemek için bir ardışık düzen düğümünü tıklatın. Lider panosu, çapraz doğrulama puanlarına göre sıralanan model ardışık düzenlerini içerir.
Ardışık düzen dönüşümlerini görüntüle
Bir ardışık düzene ilişkin dönüşümleri görüntülemek için imleci infografikteki bir düğümün üzerine getirin. Veri dönüşümlerinin sırası, boru hattı için özellik mühendisliği gerçekleştirildiyse, bir ön işleme dönüştürücü ve bir dizi veri dönüştürücüden oluşur. Algoritma, AutoAI eğitimi sırasında model seçimi ve optimizasyon adımlarıyla belirlenir.
Ardışık işlemleri yaratmaya ilişkin teknik ayrıntıları gözden geçirmek için Uygulama ayrıntıları konusuna bakın.
Ana kartı görüntüle
Her bir model ardışık düzeni, çeşitli metrikler için puanlanır ve sonra sıralanır. İkili sınıflandırma modelleri için varsayılan sıralama metriği, ROC eğrisinin altındaki alandır. Çok sınıflı sınıflandırma modelleri için varsayılan metrik doğruluktur. Regresyon modelleri için varsayılan metrik, kök ortalama karesi hatasıdır (RMSE). En yüksek sıralı boru hatları bir lider tahtada görüntülenir, böylece bunlar hakkında daha fazla bilgi görüntüleyebilirsiniz. Lider panosu, siz gözden geçirdikten sonra seçilen model ardışık düzenlerini kaydetme seçeneği de sağlar.
Ardışık işlemleri aşağıdaki gibi değerlendirebilirsiniz:
- Metrikler ve performans hakkında daha fazla ayrıntı görüntülemek için lider panodaki bir ardışık düzeni tıklatın.
- Üst ardışık çizgilerin karşılaştırmasını görüntülemek için Karşılaştır düğmesini tıklatın.
- Lider kartı farklı bir metriğe göre sıralayın.
Karışıklık matrisini görüntüleme
İkili sınıflandırma deneyine ilişkin bir ardışık düzen için görüntüleyebileceğiniz ayrıntılardan biri Confusion matrisi ' dir.
Karışıklık matrisi, eğitim veri kümesinin model boru hattını eğitmek için kullanılmayan, ancak yalnızca eğitim sırasında görülmeyen veriler üzerindeki performansını ölçmek için kullanılan bölümü olan holdout verilerine dayalıdır.
Pozitif sınıf ve negatif sınıf ile ikili sınıflandırma sorununda, karışıklık matrisi, boru hattı modelinin dört çeyrekteki pozitif ve negatif tahminlerini, holdout veri kümesinin pozitif veya negatif sınıf etiketlerine ilişkin doğruluğuna bağlı olarak özetler.
Örneğin, Bank örnek deneyi, kendilerine sunulan promosyonları alan müşterileri belirlemeyi amaçlıyor. Üst sıradaki ardışık işlem hattına ilişkin karışıklık matrisi:
Pozitif sınıf 'evet' (kullanıcının promosyonu aldığı anlamına gelir). Gerçek negatiflerin ölçümünün, yani modelin doğru tahmin ettiğini, promosyonlarını reddedeceğini, yüksek olduğunu görebilirsiniz.
Seçilen ardışık düzene ilişkin diğer ayrıntıları görüntülemek için gezinme menüsündeki öğeleri tıklatın. Örneğin, Özellik önemi , hangi veri özelliklerinin öngörü çıkışınıza en çok katkı sağladığını gösterir.
Bir ardışık düzeni model olarak kaydet
Bir ardışık düzenden memnun olduğunuzda, bunu aşağıdaki yöntemlerden birini kullanarak kaydedin:
- Test edebilmeniz ve devreye alabilmeniz için aday ardışık düzeni projenize model olarak kaydetmek üzere Modeli kaydet ' i tıklatın.
- Otomatik oluşturulan bir not defteri oluşturmak ve projenize kaydetmek için Not defteri olarak kaydet seçeneğini tıklatın. Kodu gözden geçirebilir ya da deneyi defterde çalıştırabilirsiniz.
Sonraki adımlar
Yeni verilerle test edebilmeniz ve öngörüler oluşturabilmeniz için eğitilen modeli bir devreye alma alanına yükseltin.
Daha fazla bilgi
Üst konu: AutoAI genel bakış