انحدار AutoML

توضح هذه المقالة مكونا في مصمم Azure للتعلم الآلي.

استخدم هذا المكون لإنشاء نموذج تعلم آلي يستند إلى تراجع AutoML.

كيفية التهيئة

يتطلب هذا النموذج مجموعة بيانات تدريب. مجموعات بيانات التحقق من الصحة والاختبار اختيارية.

ينشئ AutoML عددا من المسارات بالتوازي التي تجرب خوارزميات ومعلمات مختلفة لنموذجك. تتكرر الخدمة من خلال خوارزميات ML المقترنة بتحديدات الميزة، حيث كل تكرار ينتج نموذجاً مع درجة التدريب. يمكنك اختيار المقياس الذي تريد تحسين النموذج له. كلما كانت درجة المقياس المختار أفضل كلما اعتبر النموذج "مناسبا" لبياناتك. يمكنك تحديد معايير الخروج للتجربة. ستكون معايير الخروج نموذجا مع درجة تدريب محددة تريد أن يعثر عليها AutoML. ستتوقف بمجرد أن تصل إلى معايير الخروج المحددة. سيقوم هذا المكون بعد ذلك بإخراج أفضل نموذج تم إنشاؤه في نهاية التشغيل لمجموعة البيانات الخاصة بك. تفضل بزيارة هذا الارتباط لمزيد من المعلومات حول معايير الخروج (نهج الإنهاء).

1. أضف مكون AutoML Regression إلى البنية الأساسية لبرنامج ربط العمليات التجارية الخاصة بك.

2. حدد العمود الهدف الذي تريد أن يقوم النموذج لإخراجه

3. (اختياري) عرض إعدادات تكوين الإضافة: إعدادات إضافية بإمكانك استخدامها للتحكم بشكل أفضل في وظيفة التدريب. بخلاف ذلك، يتم تطبيق الإعدادات الافتراضية بناءً على اختيار التجربة والبيانات.

   تكوينات إضافية	الوصف
   المقياس الأساسي	القياس الرئيسي المستخدم لتسجيل نموذجك. تعلم المزيد عن نموذج القياسات.
   نموذج تتبع الأخطاء عبر لوحة معلومات الذكاء الاصطناعي المسؤولة	إنشاء لوحة معلومات الذكاء الاصطناعي مسؤولة لإجراء تقييم شامل وتصحيح أخطاء أفضل نموذج موصى به. يتضمن ذلك رؤى مثل تفسيرات النموذج والإنصاف ومستكشف الأداء ومستكشف البيانات وتحليل أخطاء النموذج. تعرف على المزيد حول كيفية إنشاء لوحة معلومات الذكاء الاصطناعي مسؤولة.
   الخوارزمية المحظورة	الخوارزميات التي تود استبعادها من وظيفة التدريب. يتوفر السماح للخوارزميات لتجارب SDK فقط. تفقد الخوارزميات المدعومة لكل نوع مهمة.
   معيار الخروج	عند استيفاء أي من هذه المعايير، سيتم إيقاف وظيفة التدريب. وقت وظيفة التدريب (بالساعات): كم من الوقت يسمح بتشغيل وظيفة التدريب. حد تسجيل القياس: الحد الأدنى لتسجيل القياس لجميع المسارات. يضمن هذا أنه إذا كان لديك قياس هدف محدد تود الوصول إليه، فلن تقضي وقتا أكثر من اللازم في مهمة التدريب.
   التزامن	الحد الأقصى للتكرارات المتزامنة: الحد الأقصى لعدد المسارات (التكرارات) للاختبار في وظيفة التدريب. لن تعمل الوظيفة أكثر من العدد المحدد من التكرارات. تعرف على المزيد حول كيفية تنفيذ التعلم الآلي التلقائي لمهام متعددة فرعية على نظام المجموعة.

4. يتيح لك نموذج [Optional] Validate and test القيام بما يلي.

   1. تحديد نوع التحقق من الصحة الذي سيتم استخدامه لوظيفة التدريب.

   2. ادخل مجموعة بيانات اختبار (معاينة) لتقييم النموذج الموصى به الذي ينشئه التعلم الآلي التلقائي لك في نهاية تجربتك. عند إدخال بيانات الاختبار، سيتم تشغيل مهمة الاختبار تلقائيًا في نهاية تجربتك. مهمة الاختبار هذه هي مهمة فقط على أفضل نموذج أوصى به التعلم الآلي من Microsoft Azure.

      هام

      يعد توفير مجموعة بيانات اختبار لتقييم النماذج المنشأة ميزة معاينة. تعد هذه الإمكانية ميزة معاينة تجريبية، وقد تتغير في أي وقت.

      • تعتبر بيانات الاختبار منفصلة عن التدريب والتحقق من الصحة، وذلك لعدم تحيز نتائج مهمة الاختبار الخاصة بالنموذج الموصى به. تعلم المزيد عن التحيز أثناء التحقق من صحة النموذج.
      • يمكنك إما توفير مجموعة بيانات الاختبار الخاصة بك أو اختيار استخدام النسبة المئوية لمجموعة بيانات التدريب. تكون مجموعات بيانات الاختبار في شكل Azure Machine Learning TabularDataset.
      • يجب أن يتطابق مخطط مجموعة بيانات الاختبار مع مجموعة البيانات الخاصة بالتدريب. العمود الهدف اختياري، ولكن في حالة عدم تحديد عمود هدف، لن يتم حساب مقاييس الاختبار.
      • يجب ألا تكون مجموعة بيانات الاختبار هي عينها مجموعة بيانات التدريب أو مجموعة بيانات التحقق من الصحة.
      • لا تدعم مهام التنبؤ تقسيم التدريب/الاختبار.

الخطوات التالية

راجع مجموعة المكونات المتوفرة للتعلم الآلي من Azure.