Udostępnij za pośrednictwem

Co to jest zautomatyzowane Edukacja maszyny (AutoML)?

Zautomatyzowane uczenie maszynowe (AutoML) automatyzuje proces stosowania uczenia maszynowego do danych. Biorąc pod uwagę zestaw danych, możesz uruchomić rozwiązanie AutoML w celu iterowania różnych przekształceń danych, algorytmów uczenia maszynowego i hiperparametrów, aby wybrać najlepszy model.

Uwaga

Ten artykuł dotyczy interfejsu API automatycznego uczenia maszynowego ML.NET, który jest obecnie w wersji zapoznawczej. Materiał może ulec zmianie.

Jak działa rozwiązanie AutoML?

Ogólnie rzecz biorąc, przepływ pracy do trenowania modeli uczenia maszynowego jest następujący:

  • Definiowanie problemu
  • Zbieranie danych
  • Przetwarzanie wstępne danych
  • Szkolenie modelu
  • Ocenianie modelu

Tradycyjny przepływ pracy trenowania uczenia maszynowego i automatycznego uczenia maszynowego

Wstępne przetwarzanie, trenowanie i ewaluacja to proces eksperymentalny i iteracyjny, który wymaga wielu prób, dopóki nie osiągniesz zadowalających wyników. Ponieważ te zadania zwykle powtarzają się, rozwiązanie AutoML może pomóc zautomatyzować te kroki. Oprócz automatyzacji techniki optymalizacji są używane podczas procesu trenowania i oceny w celu znalezienia i wybrania algorytmów i hiperparametrów.

Kiedy należy używać rozwiązania AutoML?

Niezależnie od tego, czy dopiero zaczynasz korzystać z uczenia maszynowego, czy jesteś doświadczonym użytkownikiem, rozwiązanie AutoML udostępnia rozwiązania do automatyzacji procesu tworzenia modelu.

  • Początkujący — jeśli dopiero zaczynasz korzystać z uczenia maszynowego, rozwiązanie AutoML upraszcza proces tworzenia modelu, udostępniając zestaw domyślnych ustawień, które zmniejszają liczbę decyzji, które należy podjąć podczas trenowania modelu. W ten sposób możesz skupić się na danych i problemie, który próbujesz rozwiązać, i pozwolić, aby automl zrobił resztę.
  • Doświadczeni użytkownicy — jeśli masz pewne doświadczenie w uczeniu maszynowym, możesz dostosować, skonfigurować i rozszerzyć wartości domyślne udostępniane przez rozwiązanie AutoML na podstawie Twoich potrzeb, a jednocześnie nadal korzystać z jej możliwości automatyzacji.

AutoML w usłudze ML.NET

  • Cechaturizer — wygodny interfejs API do automatyzowania przetwarzania wstępnego danych.
  • Wersja próbna — uruchomienie jednej optymalizacji hiperparamterów.
  • Experiment — kolekcja prób rozwiązania AutoML. ML.NET udostępnia interfejs API wysokiego poziomu do tworzenia eksperymentów, które ustawiają wartości domyślne poszczególnych składników Potok z możliwością zamiatania, Przestrzeni wyszukiwania i Tunera.
  • Obszar wyszukiwania — zakres dostępnych opcji wyboru hiperparametrów.
  • Tuner — algorytmy używane do optymalizowania hiperparametrów. ML.NET obsługuje następujące tunery:
    • Cost Frugal Tuner — implementacja optymalizacji frugalnej pod kątem hiperparametrów związanych z kosztami, która uwzględnia koszt szkolenia
    • Eci Cost Frugal Tuner - implementacja tunera frugalnego kosztu dla hierarchicznych przestrzeni wyszukiwania. Domyślny tuner używany przez rozwiązanie AutoML.
    • SMAC - Tuner, który używa lasów losowych do zastosowania optymalizacji Bayesowskiej.
    • Wyszukiwanie siatki — Tuner, który najlepiej sprawdza się w przypadku małych przestrzeni wyszukiwania.
    • Wyszukiwanie losowe
  • Narzędzie do szacowania z możliwością zamiatania — narzędzie do szacowania ML.NET zawierające miejsce wyszukiwania.
  • Potok z możliwością zamiatania — potok ML.NET zawierający co najmniej jeden narzędzie do szacowania z możliwością zamiatania.
  • Moduł uruchamiający wersję próbną — składnik rozwiązania AutoML, który używa zamiatanych potoków i ustawień wersji próbnej do generowania wyników próbnych na podstawie trenowania i oceny modelu.

Zaleca się, aby początkujący zaczęli od domyślnych wartości udostępnianych przez interfejs API eksperymentu wysokiego poziomu. W przypadku bardziej doświadczonych użytkowników poszukujących opcji dostosowywania należy użyć zamiatanego narzędzia do szacowania, potoku z możliwością zamiatania, przestrzeni wyszukiwania, wersji próbnej i składników tunera.

Aby uzyskać więcej informacji na temat rozpoczynania pracy z interfejsem API automatycznego uczenia maszynowego, zobacz przewodnik How to use the ML.NET Automated Machine Edukacja (AutoML) API (How to use the ML.NET Automated Machine Edukacja (AutoML).

Obsługiwane zadania

Rozwiązanie AutoML zapewnia wstępnie skonfigurowane wartości domyślne dla następujących zadań:

  • Klasyfikacja binarna
  • Klasyfikacja wieloklasowa
  • Regresja

W przypadku innych zadań możesz utworzyć własny moduł uruchamiający wersję próbną, aby włączyć te scenariusze. Aby uzyskać więcej informacji, zobacz przewodnik How to use the ML.NET Automated Machine Edukacja (AutoML) API (How to use the ML.NET Automated Machine Edukacja (AutoML) API (Jak używać interfejsu API zautomatyzowanego ML.NET maszyny automatycznej).

Następne kroki