AutoML-rendszerképbesorolás többcímke
Ez a cikk az Azure Machine Learning designer egy összetevőjét ismerteti.
Ezzel az összetevővel létrehozhat egy gépi tanulási modellt, amely az AutoML-rendszerképbesorolási többcímkén alapul.
A többcímkés képbesorolás egy számítógépes látási feladat, amelynek célja az egyes képekhez társított címkék előrejelzése. Érdemes lehet többcímkés besorolást használni, ahol egy adott kép több tulajdonságát is meg kell határoznia.
Konfigurálás
Kövesse ezt a hivatkozást az összetevő konfigurálható paramétereinek teljes listájához.
Ez az összetevő létrehoz egy besorolási modellt. Mivel a besorolás felügyelt tanulási módszer, olyan címkézett adatkészletre van szüksége, amely tartalmaz egy címkeoszlopot, amely az összes sor értékét tartalmazza.
Ehhez a modellhez betanítási adatkészlet szükséges. Az adathalmazok érvényesítése és tesztelése nem kötelező.
Ezen a hivatkozáson további információt kaphat az adathalmaz előkészítéséről . Az adatkészlethez olyan címkézett adatkészletre lesz szükség, amely tartalmaz egy címkeoszlopot, amely minden sorhoz tartalmaz értéket.
Az AutoML számos (párhuzamosanspecified in max_concurrent_trial megadottmax_trials) próbaverziót futtat, amelyek különböző algoritmusokat és paramétereket próbálnak ki a modellhez. A szolgáltatás a hiperparaméter-kijelölésekkel párosított ML-algoritmusokon keresztül iterál, és minden próba egy betanítási pontszámmal rendelkező modellt hoz létre. Kiválaszthatja azt a metrikát, amelyhez optimalizálni szeretné a modellt. Minél jobb a kiválasztott metrika pontszáma, annál jobb, ha a modell "illeszkedik" az adatokhoz. A kísérlethez definiálhat kilépési feltételeket (megszüntetési szabályzatot). A kilépési feltételek egy adott betanítási pontszámmal rendelkező modell lesznek, amelyet az AutoML-nek meg kell találnia. A megadott kilépési feltételek teljesülése után leáll. Ez az összetevő a futtatás végén létrehozott legjobb modellt adja ki az adathalmazhoz. Ezen a hivatkozáson további információt talál a kilépési feltételekről (a felmondási szabályzatról).
Adja hozzá az AutoML-rendszerképbesorolási többcímkés összetevőt a folyamathoz.
Adja meg a céloszlopot , amelyet a modellnek ki szeretne adni
Adja meg a modell sikerének méréséhez használni kívánt elsődleges metrikát . Ezen a hivatkozáson a számítógépes látás egyes elsődleges mérőszámainak magyarázatát tekinti meg.
(Nem kötelező) Az algoritmusbeállításokat konfigurálhatja. Ezen a hivatkozáson megtekintheti a számítógépes látás támogatott algoritmusainak listáját.
(Nem kötelező) A feladatok korlátainak konfigurálásához tekintse meg ezt a hivatkozást további magyarázatért.
(Nem kötelező) Ezen a hivatkozáson megtekintheti a feladatseprő mintavételezési és korai felmondási konfigurációinak listáját. Az egyes szabályzatokról és mintavételezési módszerekről további információt is találhat.
Következő lépések
Tekintse meg az Azure Machine Learning számára elérhető összetevőket.