Otomatik makine öğrenmesinde veri özelliği oluşturma

Makale
01/10/2024

ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1

Azure Machine Learning'deki veri özellikleri ayarları ve otomatik makine öğrenmesi denemeleri için bu özellikleri özelleştirme hakkında bilgi edinin.

Özellik mühendisliği ve özellik geliştirme

Eğitim verileri satır ve sütunlardan oluşur. Her satır bir gözlem veya kayıttır ve her satırın sütunları her kaydı açıklayan özelliklerdir. Genellikle, verilerdeki desenleri en iyi niteleyen özellikler tahmine dayalı modeller oluşturmak için seçilir.

Ham veri alanlarının çoğu modeli eğitmek için doğrudan kullanılabilir olsa da, genellikle verilerdeki desenleri daha iyi ayırt eden bilgiler sağlayan ek (tasarlanmış) özellikler oluşturmak gerekir. Bu işleme özellik mühendisliği adı verilir. Burada verilerin etki alanı bilgisinin kullanılması, makine öğrenmesi algoritmalarının daha iyi öğrenmesine yardımcı olacak özellikler oluşturmak için kullanılır.

Azure Machine Learning'de özellik mühendisliğini kolaylaştırmak için veri ölçeklendirme ve normalleştirme teknikleri uygulanır. Bu teknikler ve bu özellik mühendisliği toplu olarak otomatik ML denemelerinde özellik kazandırma olarak adlandırılır.

Önkoşullar

Bu makalede, otomatik ml denemesini yapılandırmayı zaten bildiğiniz varsayılır.

Önemli

Bu makaledeki Python komutları en son azureml-train-automl paket sürümünü gerektirir.

En son azureml-train-automl paketi yerel ortamınıza yükleyin.
En son azureml-train-automl paketle ilgili ayrıntılar için sürüm notlarına bakın.

Yapılandırma hakkında bilgi için aşağıdaki makalelere bakın:

Kod öncelikli bir deneyim için: Python için Azure Machine Learning SDK'sını kullanarak otomatik ML denemelerini yapılandırın.
Düşük kodlu veya kod içermeyen bir deneyim için: Azure Machine Learning stüdyosu kullanarak otomatik makine öğrenmesi modelleri oluşturun, gözden geçirin ve dağıtın.

Özellik geliştirmeyi yapılandırma

Her otomatik makine öğrenmesi denemesinde, verilerinize varsayılan olarak otomatik ölçeklendirme ve normalleştirme teknikleri uygulanır. Bu teknikler, farklı ölçeklerdeki özelliklere duyarlı olan belirli algoritmalara yardımcı olan özellik geliştirme türleridir. Eksik değerlerin belirtilmesi, kodlama ve dönüşümler gibi daha fazla özellik kazandırabilirsiniz.

Dekont

Otomatik makine öğrenmesi özellik geliştirme adımları (özellik normalleştirme, eksik verileri işleme veya metni sayısala dönüştürme gibi) temel alınan modelin bir parçası haline gelir. Modeli tahminler için kullandığınızda, eğitim sırasında uygulanan özellik geliştirme adımları giriş verilerinize otomatik olarak uygulanır.

Python SDK'sı ile yapılandırdığınız denemeler için özellik geliştirme ayarını etkinleştirebilir veya devre dışı bırakabilir ve denemeniz için kullanılacak özellik geliştirme adımlarını daha ayrıntılı olarak belirtebilirsiniz. Azure Machine Learning stüdyosu kullanıyorsanız özellik geliştirmeyi etkinleştirme adımlarına bakın.

Aşağıdaki tabloda AutoMLConfig sınıfında için kabul edilen ayarlar featurizationgösterilmektedir:

Özellik kazandırma yapılandırması	Açıklama
`"featurization": 'auto'`	Ön işlemenin bir parçası olarak, veri korumaları ve özellik geliştirme adımlarının otomatik olarak yapılacağını belirtir. Bu ayar varsayılandır.
`"featurization": 'off'`	Özellik ekleme adımlarının otomatik olarak yapılmaması gerektiğini belirtir.
`"featurization":` `'FeaturizationConfig'`	Özelleştirilmiş özellik geliştirme adımlarının kullanılacağını belirtir. Özellik geliştirmeyi özelleştirmeyi öğrenin.

Otomatik özellik kazandırma

Aşağıdaki tabloda, verilerinize otomatik olarak uygulanan teknikler özetlenir. Bu teknikler, SDK veya stüdyo kullanıcı arabirimi kullanılarak yapılandırılan denemeler için uygulanır. Bu davranışı devre dışı bırakmak için nesnenizde AutoMLConfig ayarlayın"featurization": 'off'.

Dekont

AutoML tarafından oluşturulan modellerinizi bir ONNX modeline aktarmayı planlıyorsanız, ONNX biçiminde yalnızca yıldız işareti ("*") ile belirtilen özellik özellikleri seçenekleri desteklenir. Modelleri ONNX'e dönüştürme hakkında daha fazla bilgi edinin.

Özellik geliştirme adımları	Açıklama
Yüksek kardinaliteyi bırakın veya varyans özelliği yok*	Bu özellikleri eğitim ve doğrulama kümelerinden bırakın. Tüm değerleri eksik olan, tüm satırlarda aynı değere sahip veya yüksek kardinaliteye (örneğin, karmalar, kimlikler veya GUID' ler) sahip özellikler için geçerlidir.
Eksik değerleri açma/kapatma*	Sayısal özellikler için, sütundaki değerlerin ortalamasıyla birlikte impute. Kategorik özellikler için, en sık kullanılan değerle impute.
Daha fazla özellik oluşturma*	DateTime özellikleri için: Year, Month, Day, Day of week, Day of year, Quarter, Week of the year, Hour, Minute, Second. Tahmin görevleri için bu ek DateTime özellikleri oluşturulur: ISO yılı, Yarım - yarım yıl, Dize olarak Takvim ayı, Hafta, Dize olarak haftanın günü, Üç aylık dönem günü, Yılın günü, AM/PM (saat öğleden önceyse 12 pm), 1 aksi halde), DIZE olarak AM/PM, Gün saati (12-sa) Metin özellikleri için: Tek birimleri, büyük harfleri ve trigramları temel alan terim sıklığı. BERT ile bunun nasıl yapıldığı hakkında daha fazla bilgi edinin.
Dönüştürme ve kodlama*	Birkaç benzersiz değeri olan sayısal özellikleri kategorik özelliklere dönüştürün. One-hot kodlama düşük kardinalite kategorik özellikleri için kullanılır. One-hot-hash kodlaması, yüksek kardinalite kategorik özellikleri için kullanılır.
Word eklemeleri	Metin özellik oluşturucu, önceden eğitilmiş bir model kullanarak metin belirteçlerinin vektörlerini cümle vektörlerine dönüştürür. Her sözcüğün belgeye ekleme vektörleri, belge özellik vektörleri oluşturmak için geri kalanıyla birlikte toplanır.
Küme Uzaklığı	K ortalamaları kümeleme modelini tüm sayısal sütunlarda eğiter. Her örneğin her kümenin merkez merkezine uzaklıklarını içeren k yeni özellikler (küme başına bir yeni sayısal özellik) üretir.

Her otomatik makine öğrenmesi denemesinde, algoritmaların iyi performans göstermelerine yardımcı olmak için verileriniz otomatik olarak ölçeklendirilir veya normalleştirilir. Model eğitimi sırasında, her modele aşağıdaki ölçeklendirme veya normalleştirme tekniklerinden biri uygulanır.

Ölçeklendirme ve işleme	Açıklama
StandardScaleWrapper	Ortalamayı kaldırarak ve birim varyansını ölçeklendirerek özellikleri standartlaştırma
MinMaxScalar	Her özelliği bu sütunun en düşük ve en yüksek düzeyine göre ölçeklendirerek özellikleri dönüştürür
MaxAbsScaler	Her özelliği maksimum mutlak değerine göre ölçeklendirme
RobustScalar	Özellikleri nicelik aralığına göre ölçeklendirir
PCA	Verileri daha düşük boyutlu bir alana yansıtmak için Tekil Değer Ayrıştırma kullanılarak doğrusal boyutsallık azaltma
KesilmişSVDWrapper	Bu transformatör, kesilmiş tekil değer ayrıştırma (SVD) yoluyla doğrusal boyutsallık azaltması gerçekleştirir. PCA'nın aksine, bu tahmin aracı tekil değer ayrıştırma işlemini hesaplamadan önce verileri ortalamaz, yani scipy.sparse matrisleriyle verimli bir şekilde çalışabilir
Seyrek Normalleştirici	En az bir sıfır olmayan bileşene sahip her örnek (veri matrisinin her satırı) diğer örneklerden bağımsız olarak yeniden ölçeklendirilir, böylece normu (l1 veya l2) bire eşit olur

Veri korumaları

Veri korumaları verilerinizle ilgili olası sorunları (örneğin eksik değerler veya sınıf dengesizliği) belirlemenize yardımcı olur. Ayrıca, iyileştirilmiş sonuçlar için düzeltici eylemler gerçekleştirmenize de yardımcı olur.

Veri korumaları uygulanır:

SDK denemeleri için: Parametreler "featurization": 'auto' veya validation=auto nesnenizde AutoMLConfig belirtildiğinde.
Stüdyo denemeleri için: Otomatik özellik özelliği etkinleştirildiğinde.

Denemeniz için veri korumalarını gözden geçirebilirsiniz:

SDK kullanarak bir deneme gönderdiğinizde ayarını show_output=True yaparak.
Stüdyoda, otomatik ML çalıştırmanızın Data guardrails sekmesinde.

Veri koruma durumları

Veri korumaları üç durumdan birini görüntüler:

Durum	Açıklama
Geçirilen	Hiçbir veri sorunu algılanmadı ve herhangi bir işlem yapmanız gerekmez.
Yapılır	Verilerinize değişiklikler uygulandı. Değişikliklerin beklenen sonuçlarla uyumlu olduğundan emin olmak için AutoML'nin yaptığı düzeltici eylemleri gözden geçirmenizi öneririz.
Uyarılır	Bir veri sorunu algılandı ancak düzeltilemedi. Sorunu düzeltmenizi ve düzeltmenizi öneririz.

Desteklenen veri korumaları

Aşağıdaki tabloda, şu anda desteklenen veri korumaları ve denemenizi gönderirken görebileceğiniz ilişkili durumlar açıklanmaktadır:

Otokorkuluk	Durum	Tetikleyici koşulu
Eksik özellik değerleri imputation	Geçirilen Bitti	Eğitim verilerinizde eksik özellik değeri algılanmadı. Eksik değer gösterimi hakkında daha fazla bilgi edinin. Eğitim verilerinizde eksik özellik değerleri algılandı ve engellendi.
Yüksek kardinalite özelliği algılama	Geçirilen Bitti	Girişleriniz analiz edildi ve yüksek kardinalite özellikleri algılanmadı. Girdilerinizde yüksek kardinalite özellikleri algılandı ve işlendi.
Doğrulama bölme işlemesi	Bitti	Doğrulama yapılandırması olarak `'auto'` ayarlandı ve eğitim verileri 20.000'den az satır içeriyordu. Eğitilen modelin her yinelemesi çapraz doğrulama kullanılarak doğrulandı. Doğrulama verileri hakkında daha fazla bilgi edinin. Doğrulama yapılandırması olarak `'auto'`ayarlandı ve eğitim verileri 20.000'den fazla satır içeriyordu. Giriş verileri, modelin doğrulanması için bir eğitim veri kümesine ve doğrulama veri kümesine ayrılmıştır.
Sınıf dengeleme algılama	Geçirilen Uyarılır Bitti	Girişleriniz analiz edildi ve tüm sınıflar eğitim verilerinizde dengelenir. Her sınıfın veri kümesinde örnek sayısı ve oranına göre ölçülen iyi bir gösterimi varsa veri kümesinin dengelenmiş olduğu kabul edilir. Girişlerinizde dengesiz sınıflar algılandı. Model sapmasını düzeltmek için dengeleme sorununu düzeltin. Dengesiz veriler hakkında daha fazla bilgi edinin. Girişlerinizde dengesiz sınıflar algılandı ve süpürme mantığı dengeleme uygulamak için karar verdi.
Bellek sorunları algılama	Geçirilen Bitti	Seçilen değerler (ufuk, gecikme, sıralı pencere) analiz edildi ve olası bellek yetersiz sorunları algılanmadı. Zaman serisi tahmin yapılandırmaları hakkında daha fazla bilgi edinin. Seçilen değerler (ufuk, gecikme, sıralı pencere) analiz edildi ve denemenizin belleğinin bitme olasılığı var. Gecikme veya sıralı pencere yapılandırmaları kapatıldı.
Sıklık algılama	Geçirilen Bitti	Zaman serisi analiz edildi ve tüm veri noktaları algılanan sıklık ile hizalanır. Zaman serisi analiz edildi ve algılanan sıklık ile uyumlu olmayan veri noktaları algılandı. Bu veri noktaları veri kümesinden kaldırıldı.
Çapraz doğrulama	Bitti	AutoML tarafından eğitilen modelleri doğru bir şekilde değerlendirmek için modelin eğitilmediği bir veri kümesinden yararlanıyoruz. Bu nedenle, kullanıcı açık bir doğrulama veri kümesi sağlamazsa, bunu başarmak için eğitim veri kümesinin bir bölümü kullanılır. Daha küçük veri kümelerinde (20.000'den az örnek) çapraz doğrulamadan yararlanılır, aksi halde tek bir ayrı tutma kümesi eğitim verilerinden ayrılarak doğrulama veri kümesi görevi görür. Bu nedenle, giriş verileriniz için eğitim örneklerinin sayısı 1000'den azsa ve diğer tüm durumlarda 3 katsa 10 kat ile çapraz doğrulamadan yararlanıyoruz.
Eğit-Test veri bölme	Bitti	AutoML tarafından eğitilen modelleri doğru bir şekilde değerlendirmek için modelin eğitilmediği bir veri kümesinden yararlanıyoruz. Bu nedenle, kullanıcı açık bir doğrulama veri kümesi sağlamazsa, bunu başarmak için eğitim veri kümesinin bir bölümü kullanılır. Daha küçük veri kümelerinde (20.000'den az örnek) çapraz doğrulamadan yararlanılır, aksi halde tek bir ayrı tutma kümesi eğitim verilerinden ayrılarak doğrulama veri kümesi görevi görür. Bu nedenle giriş verileriniz eğitim veri kümesine ve ayrı tutma doğrulama veri kümesine ayrılmıştır.
Zaman Serisi Kimliği algılama	Geçirilen Sabit	Veri kümesi analiz edildi ve yinelenen zaman dizini algılanmadı. Veri kümesinde birden çok zaman serisi bulundu ve zaman serisi tanımlayıcıları veri kümeniz için otomatik olarak oluşturuldu.
Zaman serisi toplama	Geçirilen Sabit	Veri kümesi sıklığı, kullanıcı tarafından belirtilen sıklık ile hizalanır. Toplama gerçekleştirilmedi. Veriler, kullanıcı tarafından sağlanan sıklık ile uyumlu olacak şekilde toplanmıştır.
Kısa seri işleme	Geçirilen Sabit	Otomatik ML, giriş verilerindeki her seri için eğitime devam etmek için yeterli veri noktası algılandı. Otomatik ML, bazı serilerin modeli eğitmek için yeterli veri noktası içermediğini algılamıştı. Eğitime devam etmek için bu kısa seriler bırakıldı veya dolduruldu.

Özellik geliştirmeyi özelleştirme

ML modelinizi eğitmek için kullanılan verilerin ve özelliklerin ilgili tahminlere neden olduğundan emin olmak için özellik geliştirme ayarlarınızı özelleştirebilirsiniz.

Özellik geliştirmelerini özelleştirmek için nesnenizde AutoMLConfig belirtin"featurization": FeaturizationConfig. Denemeniz için Azure Machine Learning stüdyosu kullanıyorsanız nasıl yapılır makalesine bakın. Tahminler görev türleri için özellik geliştirmeyi özelleştirmek için tahmin nasıl yapılır bölümüne bakın.

Desteklenen özelleştirmeler şunlardır:

Özelleştirme	Tanım
Sütun amaçlı güncelleştirme	Belirtilen sütun için otomatik algılanan özellik türünü geçersiz kılın.
Transformer parametre güncelleştirmesi	Belirtilen transformatörün parametrelerini güncelleştirin. Şu anda Imputer (ortalama, en sık ve ortanca) ve HashOneHotEncoder'ı destekler.
Sütunları bırakma	Öne çıkarılmaktan kaldırılan sütunları belirtir.
Blok transformatörleri	Özellik geliştirme işleminde kullanılacak blok transformatörlerini belirtir.

Dekont

Bırakma sütunları işlevselliği SDK sürüm 1.19 itibariyle kullanım dışıdır. Otomatik ML denemenizde kullanmadan önce veri kümenizden veri temizlemenin bir parçası olarak sütunları bırakın.

API çağrılarını FeaturizationConfig kullanarak nesnesini oluşturun:

featurization_config = FeaturizationConfig()
featurization_config.blocked_transformers = ['LabelEncoder']
featurization_config.drop_columns = ['aspiration', 'stroke']
featurization_config.add_column_purpose('engine-size', 'Numeric')
featurization_config.add_column_purpose('body-style', 'CategoricalHash')
#default strategy mean, add transformer param for 3 columns
featurization_config.add_transformer_params('Imputer', ['engine-size'], {"strategy": "median"})
featurization_config.add_transformer_params('Imputer', ['city-mpg'], {"strategy": "median"})
featurization_config.add_transformer_params('Imputer', ['bore'], {"strategy": "most_frequent"})
featurization_config.add_transformer_params('HashOneHotEncoder', [], {"number_of_bits": 3})

Özellik kazandırma saydamlığı

Her AutoML modelinin özellik özelliği otomatik olarak uygulanır. Özellik geliştirme, otomatik özellik mühendisliğini (when "featurization": 'auto') ve ardından seçilen algoritmayı ve hiper parametre değerlerini etkileyen ölçeklendirme ve normalleştirmeyi içerir. AutoML, modelinize uygulananlar hakkında görünürlük sahibi olduğunuzdan emin olmak için farklı yöntemleri destekler.

Şu tahmin örneğini göz önünde bulundurun:

Dört giriş özelliği vardır: A (Sayısal), B (Sayısal), C (Sayısal), D (DateTime).
Sayısal özellik C, tüm benzersiz değerlere sahip bir kimlik sütunu olduğundan bırakılır.
A ve B sayısal özellikleri eksik değerlere sahiptir ve bu nedenle ortalama tarafından işaretlenir.
DateTime özelliği D, 11 farklı mühendislik özelliğine sahiptir.

Bu bilgileri almak için otomatik ML deneme çalıştırmanızın çıkışını kullanın fitted_model .

automl_config = AutoMLConfig(…)
automl_run = experiment.submit(automl_config …)
best_run, fitted_model = automl_run.get_output()

Otomatik özellik mühendisliği

, get_engineered_feature_names() mühendislik özelliği adlarının listesini döndürür.

Dekont

task='forecasting' için 'timeseriestransformer' kullanın, aksi halde 'regresyon' veya 'sınıflandırma' görevi için 'datatransformer' kullanın.

fitted_model.named_steps['timeseriestransformer']. get_engineered_feature_names ()

Bu liste, tüm mühendislik özellikleri adlarını içerir.

['A', 'B', 'A_WASNULL', 'B_WASNULL', 'year', 'half', 'quarter', 'month', 'day', 'hour', 'am_pm', 'hour12', 'wday', 'qday', 'week']

, get_featurization_summary() tüm giriş özelliklerinin özellik oluşturma özetini alır.

fitted_model.named_steps['timeseriestransformer'].get_featurization_summary()

Çıktı

[{'RawFeatureName': 'A',
  'TypeDetected': 'Numeric',
  'Dropped': 'No',
  'EngineeredFeatureCount': 2,
  'Tranformations': ['MeanImputer', 'ImputationMarker']},
 {'RawFeatureName': 'B',
  'TypeDetected': 'Numeric',
  'Dropped': 'No',
  'EngineeredFeatureCount': 2,
  'Tranformations': ['MeanImputer', 'ImputationMarker']},
 {'RawFeatureName': 'C',
  'TypeDetected': 'Numeric',
  'Dropped': 'Yes',
  'EngineeredFeatureCount': 0,
  'Tranformations': []},
 {'RawFeatureName': 'D',
  'TypeDetected': 'DateTime',
  'Dropped': 'No',
  'EngineeredFeatureCount': 11,
  'Tranformations': ['DateTime','DateTime','DateTime','DateTime','DateTime','DateTime','DateTime','DateTime','DateTime','DateTime','DateTime']}]

Çıktı	Açıklama
RawFeatureName	Sağlanan veri kümesinden özellik/sütun adı girin.
Tür Algılandı	Giriş özelliğinin veri türü algılandı.
Düştü	Giriş özelliğinin bırakıldığını veya kullanıldığını gösterir.
EngineeringFeatureCount	Otomatik özellik mühendisliği dönüşümleri aracılığıyla oluşturulan özellik sayısı.
Dönüşümler	Mühendislik özellikleri oluşturmak için giriş özelliklerine uygulanan dönüştürmelerin listesi.

Ölçeklendirme ve normalleştirme

Ölçeklendirme/normalleştirmeyi ve hiper parametre değerleriyle seçilen algoritmayı anlamak için kullanın fitted_model.steps.

Aşağıdaki örnek çıkış, seçilen bir çalıştırma için çalıştırılır fitted_model.steps :

[('RobustScaler', 
  RobustScaler(copy=True, 
  quantile_range=[10, 90], 
  with_centering=True, 
  with_scaling=True)), 

  ('LogisticRegression', 
  LogisticRegression(C=0.18420699693267145, class_weight='balanced', 
  dual=False, 
  fit_intercept=True, 
  intercept_scaling=1, 
  max_iter=100, 
  multi_class='multinomial', 
  n_jobs=1, penalty='l2', 
  random_state=None, 
  solver='newton-cg', 
  tol=0.0001, 
  verbose=0, 
  warm_start=False))

Daha fazla ayrıntı almak için şu yardımcı işlevi kullanın:

from pprint import pprint

def print_model(model, prefix=""):
    for step in model.steps:
        print(prefix + step[0])
        if hasattr(step[1], 'estimators') and hasattr(step[1], 'weights'):
            pprint({'estimators': list(e[0] for e in step[1].estimators), 'weights': step[1].weights})
            print()
            for estimator in step[1].estimators:
                print_model(estimator[1], estimator[0]+ ' - ')
        elif hasattr(step[1], '_base_learners') and hasattr(step[1], '_meta_learner'):
            print("\nMeta Learner")
            pprint(step[1]._meta_learner)
            print()
            for estimator in step[1]._base_learners:
                print_model(estimator[1], estimator[0]+ ' - ')
        else:
            pprint(step[1].get_params())
            print()

Bu yardımcı işlevi, belirli bir algoritma olarak kullanarak LogisticRegression with RobustScalar belirli bir çalıştırma için aşağıdaki çıkışı döndürür.

RobustScaler
{'copy': True,
'quantile_range': [10, 90],
'with_centering': True,
'with_scaling': True}

LogisticRegression
{'C': 0.18420699693267145,
'class_weight': 'balanced',
'dual': False,
'fit_intercept': True,
'intercept_scaling': 1,
'max_iter': 100,
'multi_class': 'multinomial',
'n_jobs': 1,
'penalty': 'l2',
'random_state': None,
'solver': 'newton-cg',
'tol': 0.0001,
'verbose': 0,
'warm_start': False}

Sınıf olasılığını tahmin etme

Otomatik ML kullanılarak üretilen modellerin tümü, açık kaynak kaynak kaynak sınıfından işlevselliği yansıtan sarmalayıcı nesnelere sahiptir. Otomatik ML tarafından döndürülen sınıflandırma modeli sarmalayıcı nesnelerinin predict_proba() çoğu, özelliklerinizin dizi benzeri veya seyrek matris veri örneğini (X değerleri) kabul eden ve her örneğin n boyutlu dizisini ve ilgili sınıf olasılığını döndüren işlevini uygular.

Yukarıdan aynı çağrıları kullanarak en iyi çalıştırma ve uygun modeli aldığınız varsayıldığında, model türüne bağlı olarak uygun biçimde bir X_test örnek sağlayarak doğrudan uygun modelden çağrı predict_proba() yapabilirsiniz.

best_run, fitted_model = automl_run.get_output()
class_prob = fitted_model.predict_proba(X_test)

Temel alınan model işlevi desteklemiyorsa predict_proba() veya biçim yanlışsa, model sınıfına özgü bir özel durum oluşturulur. Bu işlevin farklı model türleri için nasıl uygulandığına ilişkin örnekler için RandomForestClassifier ve XGBoost başvuru belgelerine bakın.

Otomatik ML'de BERT tümleştirmesi

BERT , otomatik ML'nin özellik katmanında kullanılır. Bu katmanda bir sütunda serbest metin veya zaman damgaları ya da basit sayılar gibi diğer veri türleri olduğunda gerekli özellik geliştirme işlemleri uygulanır.

BERT için modelde kullanıcı tarafından sağlanan etiketler kullanılarak ince ayar ve eğitim gerçekleştirilir. Sonrasında belge eklemeleri, zaman damgası tabanlı özellikler ve haftanın günü gibi diğer özelliklerle birlikte sunulur.

Otomatik ML ile BERT kullanan doğal dil işleme (NLP) denemelerini ayarlamayı öğrenin.

BERT'yi çağırma adımları

BERT'yi çağırmak için automl_settings ayarlayın enable_dnn: True ve bir GPU işlem (vm_size = "STANDARD_NC6" veya daha yüksek bir GPU) kullanın. CPU işlemi kullanılıyorsa, AutoML BERT yerine BiLSTM DNN özellik oluşturucuyu etkinleştirir.

Otomatik ML, BERT için aşağıdaki adımları uygular.

Tüm metin sütunlarının ön işlemesi ve belirteci. Örneğin, "StringCast" transformatörü son modelin özellik geliştirme özetinde bulunabilir. Modelin özellik özetinin nasıl oluşturulacağıyla ilgili bir örnek bu not defterinde bulunabilir.
Tüm metin sütunlarını tek bir metin sütununa, dolayısıyla StringConcatTransformer son modelde birleştirin.

BERT uygulamamız, bir eğitim örneğinin toplam metin uzunluğunu 128 belirteçle sınırlar. Diğer bir deyişle, birleştirilirken tüm metin sütunları ideal olarak en fazla 128 belirteç uzunluğunda olmalıdır. Birden çok sütun varsa, bu koşulun karşılanması için her sütunun ayıklanması gerekir. Aksi takdirde, uzunluğu >128 belirteç olan birleştirilmiş sütunlar için BERT'nin belirteç oluşturucu katmanı bu girişi 128 belirteçle kısaltır.
Özellik süpürme işleminin bir parçası olarak AutoML, BERT'yi veri örneğindeki taban çizgisiyle (sözcük paketi özellikleri) karşılaştırır. Bu karşılaştırma, BERT'in doğruluk iyileştirmeleri verip vermeyeceğini belirler. BERT temelden daha iyi performans gösterirse, AutoML tüm veriler için metin özellik kazandırma için BERT kullanır. Bu durumda, son modelde öğesini PretrainedTextDNNTransformer görürsünüz.

BERT genellikle diğer özellik oluşturuculardan daha uzun çalışır. Daha iyi performans için RDMA özellikleri için "STANDARD_NC24r" veya "STANDARD_NC24rs_V3" kullanmanızı öneririz.

AutoML, kullanılabilir durumdaysa (en fazla sekiz düğüm) BERT eğitimini birden çok düğüm arasında dağıtır. Bu, parametresi 1'den yüksek olarak ayarlanarak max_concurrent_iterations nesnenizde AutoMLConfig yapılabilir.

AutoML'de BERT için desteklenen diller

AutoML şu anda yaklaşık 100 dili destekler ve veri kümesinin diline bağlı olarak AutoML uygun BERT modelini seçer. Almanca veriler için Alman BERT modelini kullanırız. İngilizce için İngilizce BERT modelini kullanırız. Diğer tüm diller için çok dilli BERT modelini kullanırız.

Aşağıdaki kodda, veri kümesi dili , ISO sınıflandırmasına deugöre Almanca için üç harfli dil kodu belirtildiğinden Almanca BERT modeli tetikleniyor:

from azureml.automl.core.featurization import FeaturizationConfig

featurization_config = FeaturizationConfig(dataset_language='deu')

automl_settings = {
    "experiment_timeout_minutes": 120,
    "primary_metric": 'accuracy',
# All other settings you want to use
    "featurization": featurization_config,
    
    "enable_dnn": True, # This enables BERT DNN featurizer
    "enable_voting_ensemble": False,
    "enable_stack_ensemble": False
}

Sonraki adımlar

Otomatik ML denemelerinizi ayarlamayı öğrenin:
- Kod öncelikli bir deneyim için: Azure Machine Learning SDK'sını kullanarak otomatik ML denemelerini yapılandırın.
- Düşük kodlu veya kod içermeyen bir deneyim için: Azure Machine Learning stüdyosu otomatik ML denemelerinizi oluşturun.
Modelin nasıl ve nereye dağıtılacağı hakkında daha fazla bilgi edinin.
Otomatik makine öğrenmesini kullanarak regresyon modelini eğitme veya uzak bir kaynakta otomatik makine öğrenmesi kullanarak eğitme hakkında daha fazla bilgi edinin.

Otomatik makine öğrenmesinde veri özelliği oluşturma

Özellik mühendisliği ve özellik geliştirme

Önkoşullar

Özellik geliştirmeyi yapılandırma

Otomatik özellik kazandırma

Veri korumaları

Veri koruma durumları

Desteklenen veri korumaları

Özellik geliştirmeyi özelleştirme

Özellik kazandırma saydamlığı

Otomatik özellik mühendisliği

Ölçeklendirme ve normalleştirme

Sınıf olasılığını tahmin etme

Otomatik ML'de BERT tümleştirmesi

BERT'yi çağırma adımları

AutoML'de BERT için desteklenen diller

Sonraki adımlar

Ek kaynaklar