使用Azure进行自动化机器学习 什么是自动化机器学习？ 在 Azure 门户中创建和浏览自动化的机器学习试验 （预览版）
自动化的机器学习，也称为 AutoML，让数据科研人员、 分析人员和开发人员，同时维护模型质量构建具有高缩放性、 效率和工作效率的机器学习模型。
与自动化机器学习将加快所需获取生产的 ML 模型很好的轻松和高效的时间。
然后，根据训练的分数，最拟合的模型是标识并向你推荐。
在实验中，每次迭代的训练流和由给定模型的影响最大功能，可以看到每个生成的模型。
如何自动机器学习工作原理
使用Azure 机器学习服务，可以设计和使用这些步骤运行自动化的机器学习训练实验：
-
确定机器学习问题待解决： 分类，预测或回归
-
指定的源和标记的训练数据的格式:Numpy 数组或 Pandas 数据帧
-
配置计算目标，以便为模型定型，如你本地计算机、 Azure 机器学习计算、 远程 Vm 或 Azure Databricks。
-
提交训练运行。
它将停止后它会命中在试验中定义的退出条件。
训练运行生成 Python 序列化对象 (.pkl文件)，其中包含的模型和数据预处理。
在 Azure 门户中创建和浏览自动化的机器学习试验 （预览版）
必备组件
-
Azure 机器学习服务免费版或付费版。
-
创建 Azure 机器学习服务工作区。
开始使用
在创作 （预览版） 部分下选择自动机器学习。
如果这是你第一次执行任何使用自动化的机器学习试验，你将看到以下信息：
此处可以筛选和按日期浏览在运行过程中，试验名称，并运行状态。
创建试验
选择创建试验按钮以填充以下窗体。
-
输入试验名称。
-
若要创建新的计算，请执行步骤 3 中的说明。
-
选择创建新的计算按钮以打开下方窗格中，并配置对于此试验计算上下文。
字段 描述 计算名称 输入用于标识您的计算上下文的唯一名称。 虚拟机大小 选择在计算的虚拟机大小。 其他设置 默认值为 6 个节点的 AML 计算。 这可能需要一些时间。
-
公共预览版仅支持本地文件上传和 Azure Blob 存储帐户。
-
选择一个存储容器。
-
-
使用预览和配置文件选项卡进一步配置你的数据对于此试验。
- 在预览选项卡上，指示是否你的数据包含标头，并选择特征 （列） 是用于定型包含每个功能列中切换按钮。
-
- 在预览选项卡上，指示是否你的数据包含标头，并选择特征 （列） 是用于定型包含每个功能列中切换按钮。
- 选择训练作业类型： 分类、 回归或预测。
- 选择目标列。 其想要对预测的列。
-
用于预测：
- 选择时间列：此列包含要使用的时间数据。
- （可选）高级设置： 可用于更好地控制训练作业的其他设置。
| 高级设置 | 描述 |
|---|---|
| 主要指标 | 用于进行评分模型的主要度量。 |
| 退出条件 | 这可确保，如果您想要达到定义的目标度量值，则执行不花更多时间比实际所需的训练作业。 |
| 预处理 | |
| 验证 | |
| 并发 | 选择你想要使用多核计算时使用的多核限制。 |
| 已阻止的算法 | 选择你想要从训练作业中排除的算法。 |
数据事件探查
具体而言，我们的数据配置文件包括：
-
功能： 这汇总的列的名称。
-
这允许您快速了解数据的分布。
-
Null 值是其自己的类型，因此此可视化效果可用于检测异常或缺失值。
-
可能的值包括： 字符串、 布尔值、 日期和小数位数。
-
对于其类型不具有固有的排序 （例如布尔值） 的功能显示为空白条目。
-
-
计数： 缺少和非缺少列中的项的总数。
-
-
功能与不相关的类型显示为空白条目。
-
功能与不相关的类型显示为空白条目。
-
功能与不相关的类型显示为空白条目。
-
功能与不相关的类型显示为空白条目。
-
功能与不相关的类型显示为空白条目。
-
功能与不相关的类型显示为空白条目。
高级预处理
因此，这样做意味着自动执行以下数据预处理和特征化步骤。
| 预处理 步骤 | 描述 |
|---|---|
| 删除较大的基数或者无差异的特征 | 请先删除这些从训练和验证集，包含所有缺失，相同的值之间的所有行或具有极高基数 （例如，哈希、 Id 或 Guid） 值中包括的功能。 |
| 估算缺失值 | 分类特征、 输入与最常用的值。 |
| 生成其他特征 | 对于文本特征：根据获得、 双元语法和三元字符语法的字词频率。 |
| 转换和编码 | 独热编码为较小的基数分类; 执行为高的基数，一个热的哈希编码。 |
| 词嵌入 | 在文档中的每个单词嵌入向量被聚合在一起以生成文档特征向量。 |
| 目标编码 | 基于频率的权重和 k-折叠交叉验证用于减少通过映射和干扰引起的稀疏数据类别中调整。 |
| 文本目标编码 | 文本输入具有包的单词的堆积线性模型用于生成每个类的概率。 |
| 证据 （出错） 的权重 | 此步骤中输出每个类的一个数字特征列，并且无需显式用户输入缺失值和离群值处理方法。 |
| 分类距离 | 输出 k 新功能，每个群集，其中包含每个示例与每个群集的形心的距离的一个新数字功能。 |
运行实验并查看结果
实验准备过程需要几分钟的时间。
查看实验详细信息
使用迭代图表以获取到目前为止生成的模型的快速度量值的比较。
训练作业可能需要每个管道完成运行一段时间。