Введение

  • 2 мин

Пройдя пробу и ошибку, чтобы найти наиболее подходящую модель, может занять много времени. Вместо того чтобы вручную протестировать и оценить различные конфигурации для обучения модели машинного обучения, вы можете автоматизировать ее с помощью автоматизированного машинного обучения или AutoML.

AutoML позволяет попробовать несколько препроцессорных преобразований и алгоритмов с данными, чтобы найти лучшую модель машинного обучения.

Diagram illustrating how multiple models are trained and evaluated, after the model with the best performing metrics is selected.

Представьте, что вы хотите найти оптимальную модель классификации . Вы можете создать эксперимент AutoML с помощью визуального интерфейса Студия машинного обучения Azure, интерфейса командной строки Azure (CLI) или пакета средств разработки программного обеспечения Python (SDK).

Примечание.

AutoML можно использовать для других задач, таких как регрессия, прогнозирование, классификация изображений и обработка естественного языка. Узнайте больше о том, когда можно использовать AutoML.

Как специалист по обработке и анализу данных, вы можете настроить эксперимент AutoML с помощью пакета SDK для Python.

Цели обучения

В этом модуле рассматриваются следующие задачи:

  • Подготовьте данные для классификации с помощью AutoML.
  • Настройте и запустите эксперимент AutoML.
  • Оценка и сравнение моделей.