تقييم ومقارنة النماذج
عندما تنتهي تجربة تعلم الآلة الآلي (AutoML)، تريد مراجعة النماذج التي تم تدريبها وتحديد أيها كان الأفضل أداء.
في استوديو Azure Machine Learning، يمكنك اختيار تجربة AutoML لاستكشاف تفاصيلها.
في صفحة النظرة العامة لتجربة AutoML، يمكنك مراجعة أصل بيانات الإدخال وملخص أفضل نموذج. لاستكشاف جميع النماذج التي تم تدريبها، يمكنك اختيار تبويب النماذج :
استكشف خطوات المعالجة المسبقة
عندما فعلت ميزة الميزة لتجربة AutoML الخاصة بك، يتم تطبيق حواجز الحماية للبيانات تلقائيا. الحواجز الثلاثة للبيانات المدعومة لنماذج التصنيف هي:
- كشف توازن الفئات.
- نقص في القيمة.
- خصائص الكشف عن الكاردينالية العالية.
كل من هذه الحواجز تظهر واحدة من ثلاث حالات ممكنة:
- تم النجاح: لم تكتشف أي مشاكل ولا يتطلب الأمر أي إجراء.
- تم: تم تطبيق تغييرات على بياناتك. يجب عليك مراجعة التغييرات التي أجراها AutoML على بياناتك.
- تم التنبيه: تم اكتشاف مشكلة لكن لم يكن بالإمكان إصلاحها. يجب عليك مراجعة البيانات لحل المشكلة.
بجانب الحواجز الواقية للبيانات، يمكن لأوتوام إم تطبيق تقنيات التوسع والتطبيع على كل نموذج يتم تدريبه. يمكنك مراجعة التقنية المطبقة في قائمة النماذج تحت اسم الخوارزمية.
على سبيل المثال، يمكن أن يكون اسم خوارزمية النموذج المدرج .MaxAbsScaler, LightGBM
MaxAbsScaler تشير إلى تقنية تحجيم حيث يتم تكبير كل ميزة بقيمتها المطلقة القصوى.
LightGBM تشير إلى خوارزمية التصنيف المستخدمة لتدريب النموذج.
استرجع أفضل جولة ونموذجها
عند مراجعة النماذج في AutoML، يمكنك بسهولة تحديد أفضل تجربة بناء على المعيار الأساسي الذي حددته. في استوديو التعلم الآلي Azure للعمل، يتم ترتيب النماذج تلقائيا لعرض أفضل نموذج أداء في الأعلى.
في تبويب النماذج في تجربة AutoML، يمكنك تعديل الأعمدة إذا أردت عرض مقاييس أخرى في نفس النظرة العامة. من خلال إنشاء نظرة عامة أكثر شمولا تشمل مقاييس متنوعة، يصبح من الأسهل مقارنة النماذج.
لاستكشاف النموذج بشكل أعمق، يمكنك توليد تفسيرات لكل نموذج تم تدريبه. عند تكوين تجربة AutoML، يمكنك تحديد أنه يجب توليد تفسيرات لأفضل نموذج أداء. إذا كنت مهتما بقابلية تفسير نموذج آخر، يمكنك اختيار النموذج في النظرة العامة واختيار شرح النموذج.
ملحوظة
شرح النموذج هو تقريب لقابلية تفسير النموذج. تحديدا، ستقدر التفسيرات الأهمية النسبية للميزات على الميزة المستهدفة (ما تم تدريب النموذج على التنبؤ به). تعرف أكثر على قابلية تفسير النماذج.
نصيحة
تعرف أكثر على كيفية تقييم عمليات AutoML.
يمنحك AutoML نقطة انطلاق قوية — يبحث بشكل واسع ويكشف أفضل خوارزمية وتركيبة للمعالجة المسبقة لبياناتك. لكن أحيانا تريد أن تذهب أبعد: تعديل المعاملات الفائقة، أو هندسة ميزات مخصصة، أو اختبار نهج لا يغطيه AutoML. وهنا يأتي دور الدفاتر.