Clasificación de imágenes con varias etiquetas de AutoML

En este artículo se describe un componente del diseñador de Azure Machine Learning.

Use este componente para crear un modelo de Machine Learning basado en la clasificación de imágenes con varias etiquetas de AutoML.

La clasificación de imágenes con varias etiquetas es una tarea de Computer Vision en la que el objetivo es predecir un conjunto de etiquetas asociadas a cada imagen individual. Puede considerar el uso de la clasificación con varias etiquetas para determinar varias propiedades de una imagen específica.

Cómo se configura

Siga este vínculo para obtener una lista completa de los parámetros configurables de este componente.

Este componente crea un modelo de clasificación. Dado que la clasificación es un método de aprendizaje supervisado, necesita un conjunto de datos etiquetado que incluya una columna de etiqueta con un valor para todas las filas.

Este modelo requiere un conjunto de datos de entrenamiento. Los conjuntos de datos de validación y prueba son opcionales.

Siga este vínculo para obtener más información sobre cómo preparar el conjunto de datos. Necesitará un conjunto de datos etiquetado que incluya una columna de etiqueta con un valor para todas las filas.

AutoML ejecuta una serie de pruebas (especificadas en max_trials) en paralelo (specified in max_concurrent_trial) que prueban distintos algoritmos y parámetros para el modelo. El servicio recorre en iteración los algoritmos de ML que corresponden con las selecciones de hiperparámetros y cada prueba genera un modelo con una puntuación de entrenamiento. Puede elegir la métrica para la que desea que se optimice el modelo. Cuanto mayor sea la puntuación de la métrica elegida, mejor se ajustará el modelo a los datos. Puede definir un criterio de salida (directiva de finalización) para el experimento. Los criterios de salida se modelarán con la puntuación de entrenamiento específica que quiera que busque AutoML. El experimento se detendrá una vez que logre los criterios de salida definidos. A continuación, este componente generará el mejor modelo que se haya generado al final de la ejecución para el conjunto de datos. Visite este vínculo para obtener más información sobre los criterios de salida (directiva de finalización).

1. Agregue el componente Clasificación de imágenes con varias etiquetas de AutoML a su canalización.

2. Especifique la columna de destino que quiere que el modelo tenga como salida.

3. Especifique la métrica principal que quiere que use AutoML para medir el éxito del modelo. Visite este vínculo para obtener una explicación de cada métrica principal para Computer Vision.

4. (Opcional) Puede configurar los valores del algoritmo. Visite este vínculo para obtener una lista de algoritmos admitidos para Computer Vision.

5. (Opcional) Para configurar límites de trabajo, visite este vínculo para obtener más detalles.

6. (Opcional) Visite este vínculo para obtener una lista de configuraciones para el muestreo y la finalización anticipada del barrido de trabajos. Aquí también encontrará más información sobre cada una de las directivas y los métodos de muestreo.

Pasos siguientes

Vea el conjunto de componentes disponibles para Azure Machine Learning.