Creazione di un modello di " AutoAI "

AutoAI prepara automaticamente i dati, applica algoritmi e crea flussi di modelli che meglio si adattano ai tuoi dati e al tuo caso d'uso. Scopri come generare le pipeline di modelli che puoi salvare come modelli di machine learning.

Segui questi passaggi per caricare i dati e consentire a AutoAI di creare il modello più adatto ai tuoi dati e al tuo caso d'uso.

  1. Raccogli i dati di input
  2. Apri lo strumento " AutoAI "
  3. Indica i dettagli del tuo modello e dei dati di addestramento e avvia l' AutoAI
  4. Visualizza i risultati

Raccogli i dati di input

Raccogli e prepara i tuoi dati di addestramento. Per ulteriori informazioni sulle fonti di dati consentite, consultare la panoramica su AutoAI.

Apri lo strumento " AutoAI "

Per tua comodità, la creazione del modello in AutoAI utilizza l'archivio predefinito associato al tuo progetto per memorizzare i dati e salvare i risultati del modello.

  1. Apri il tuo progetto.

  2. Fai clic sulla scheda Risorse.

  3. Fai clic su "Nuova risorsa" > "Crea modelli di apprendimento automatico in modo automatico ".

Nota: una volta creato un elemento multimediale di tipo " AutoAI ", questo verrà visualizzato nella pagina "Assets" del tuo progetto, nella sezione " **AutoAI experiments", in modo da poterlo ritrovare facilmente.

Specifica i dettagli del tuo esperimento

  1. Inserisci un nome e una descrizione per il tuo esperimento.

  2. Seleziona una configurazione di elaborazione e fai clic su Crea. La configurazione di calcolo specifica le risorse di calcolo da assegnare all'esecuzione dell'esperimento. Le configurazioni di dimensioni maggiori aumentano la velocità di elaborazione e potrebbero essere necessarie per fonti di dati più voluminose, ma hanno un costo superiore rispetto alle configurazioni più piccole.

  3. Seleziona i dati dal tuo progetto oppure caricali dal tuo file system o dal browser delle risorse, quindi premi Continua. Clicca sull'icona di anteprima per visualizzare i tuoi dati. (Facoltativo) Aggiungi un secondo file come dati di validazione per testare le pipeline addestrate.

  4. Seleziona la colonna per cui desideri effettuare la previsione in base ai dati che l'esperimento deve analizzare.

    • Sulla base dell'analisi di un sottoinsieme del set di dati, AutoAI seleziona un tipo di modello predefinito: classificazione binaria, classificazione multiclasse o regressione. L'opzione "Binario" viene selezionata se la colonna di destinazione può assumere due valori. Una classe multipla comprende un insieme distinto di 3 o più valori. La regressione presenta una variabile numerica continua nella colonna di destinazione. Se lo desideri, puoi ignorare questa selezione.

      Nota: il limite massimo di valori da classificare è 200. La creazione di un esperimento di classificazione con molti valori unici nella colonna di previsione richiede molte risorse e incide sulle prestazioni dell'esperimento e sui tempi di addestramento. Per garantire la qualità dell'esperimento:
      - AutoAI seleziona un parametro predefinito da ottimizzare. Ad esempio, la metrica predefinita per un modello di classificazione binaria è l'*accuratezza
      *. - Per impostazione predefinita, il 10% dei dati di addestramento viene tenuto da parte per verificare le prestazioni del modello.

  5. (Facoltativo): clicca su "Impostazioni dell'esperimento" per visualizzare o personalizzare le opzioni relative alla tua campagna " AutoAI ". Per ulteriori dettagli sulle impostazioni dell'esperimento, consultare la sezione "Configurazione di un esperimento di classificazione o regressione".

  6. Fare clic su "Esegui esperimento" per avviare la creazione della pipeline del modello.

Un'infografica illustra la creazione di pipeline per i tuoi dati. La durata di questa fase dipende dalle dimensioni del set di dati. Un messaggio di avviso ti informa se l'elaborazione richiederà poco tempo o più tempo. È possibile lavorare su altre parti del prodotto mentre le pipeline vengono compilate.

Visualizza i risultati

Una volta completato il processo di generazione della pipeline, è possibile visualizzare i modelli candidati ordinati in base al punteggio e valutarli prima di salvare una pipeline come modello.

Passi successivi