Construindo um modelo do AutoAI
O AutoAI prepara dados automaticamente, aplica algoritmos e constrói pipelines de modelo que são mais adequados para seus dados e caso de uso.. Aprenda a gerar os pipelines modelo que você pode salvar como modelos de aprendizado de máquina.
Siga estas etapas para fazer upload de dados e permitir que o AutoAI crie o melhor modelo para o seus dados e caso de uso.
- Coletar seus dados de entrada
- Abrir a ferramenta AutoAI
- Especifique detalhes de seu modelo e dados de treinamento e inicie AutoAI
- Exibir os resultados
Coletar seus dados de entrada
Colete e prepare seus dados de treinamento. Para obter detalhes sobre as origens de dados permitidas, consulte Visão geral do AutoAI.
Se você estiver criando um experimento com uma única origem de dados de treinamento, você terá a opção de usar uma segunda origem de dados especificamente como teste ou validaçãode dados para validar os pipelines.
Abrir a ferramenta AutoAI
Para sua conveniência, sua criação de modelo AutoAI usa o armazenamento padrão que está associado ao seu projeto para armazenar seus dados e para salvar resultados do modelo.
Abra seu projeto.
Clique na guia Ativos.
Clique Novo ativo > Crie modelos de aprendizado de máquina automaticamente .
Especificar detalhes de seu experimento
Especifique um nome e uma descrição para o seu experimento.
Selecione uma instância de serviço de aprendizado de máquina e forneça as credenciais da tarefa, se solicitado. Em seguida, clique em Create.
Escolha dados do projeto ou faça o upload deles do seu sistema de arquivos ou do navegador de ativos e, em seguida, pressione Continuar. Clique no ícone Visualização para revisar seus dados. (Opcional) Inclua um segundo arquivo como dados de validação para testar os pipelines treinados.
Escolha a Coluna a prever para os dados do experimento de previsão.
Com base na análise de um subconjunto do conjunto de dados, AutoAI seleciona um tipo de modelo padrão: classificação binária, classificação multiclasse ou regressão. O binário será selecionado se a coluna de destino tiver dois valores possíveis: A multiclasse possui um conjunto discreto de 3 ou mais valores A regressão tem uma variável numérica contínua na coluna de destino Opcionalmente, é possível substituir esta seleção.
Nota: o limite de valores a serem classificados é 200 Criar um experimento de classificação com muitos valores exclusivos na coluna de predição é intensivo em recursos e afeta o desempenho e o tempo de treinamento do experimento. Para manter a qualidade do experimento:
- AutoAI escolhe uma métrica padrão para otimização. Por exemplo, a métrica padrão para um modelo de classificação binária é *Accuracy *.
-Por padrão, 10% dos dados de treinamento são mantidos para testar o desempenho do modelo.
(Opcional): clique em Configurações de experiência para visualizar ou customizar opções para sua execução do AutoAI . Para obter detalhes sobre configurações do experimento, consulte Configurando um experimento de classificação ou regressão.
Clique em Executar experimento para iniciar a criação do pipeline de modelo.
Um infográfico mostra a criação de pipelines para seus dados. A duração dessa fase depende do tamanho do seu conjunto de dados. Uma mensagem de notificação informa se o tempo de processamento será breve ou requererá mais tempo. É possível trabalhar em outras partes do produto enquanto os pipelines são construídos.

Passe o mouse sobre nós no infográfico para explorar os fatores que os pipelines compartilham e suas propriedades exclusivas. Você pode ver os fatores que os oleodutos compartilham e as propriedades que tornam um pipeline exclusivo. Para um guia para os dados no infográfico, clique na guia Legenda no painel de informações. Para obter uma visualização diferente da criação do pipeline, clique na guia Detalhes do experimento da área de janela de notificação e em Alternar visualizações para visualizar o mapa de progresso. Em qualquer visualização, clique em um nó de pipeline para visualizar o pipeline associado na tabela de classificação.
Visualizar os resultados
Quando o processo de geração de pipeline for concluído, será possível visualizar os candidatos de modelo classificados e avaliá-los antes de salvar um pipeline como um modelo
Próximas etapas
Assista a este vídeo para ver como construir um modelo de classificação binária
Este vídeo fornece um método visual para aprender os conceitos e tarefas nesta documentação.
Assista a este vídeo para ver como construir um modelo de classificação multiclasse
Este vídeo fornece um método visual para aprender os conceitos e tarefas nesta documentação.