AutoML：使用入门

如果您正在考虑使用 AutoML，可能会对其运作方式以及开始使用时应执行哪些步骤存有疑问。本部分将深入探讨常见的 AutoML 模式，探索 AutoML 的工作原理，并审视您在开始为项目使用 AutoML 之前可能需要执行的步骤。

AutoML 工具

AutoML 工具主要分为两类：

  • 无需编码的工具通常采用 Web 应用的形式，可让您通过界面配置和运行实验，从而为您的数据找到最合适的模型，而无需编写任何代码。
  • API 和 CLI 工具提供高级自动化功能，但需要更多（有时要多得多）的编程和机器学习专业知识。

需要编码的 AutoML 工具可能比无代码工具更强大、更灵活，但也可能更难使用。本单元重点介绍了无代码模型开发选项，但请注意，如果您需要自定义自动化，API 和 CLI 选项会很有帮助。

AutoML 工作流

我们来详细了解一下典型的机器学习工作流，看看使用 AutoML 时会发生什么情况。该工作流中的高级步骤与您用于自定义训练的步骤相同；主要区别在于 AutoML 会为您处理一些任务。

问题定义

任何机器学习工作流的第一步都是定义问题。使用 AutoML 时，请确保您选择的工具可以支持机器学习项目的目标。大多数 AutoML 工具都支持各种监督式机器学习算法和输入数据类型。

如需详细了解问题框架，请参阅机器学习问题框架简介模块。

数据收集

在开始使用 AutoML 工具之前，您需要将数据收集到单个数据源中。查看产品文档，确保您的工具支持您的数据源、数据集中的数据类型和数据集的大小。

数据准备

AutoML 工具可以帮助您完成数据准备工作，但没有任何工具可以自动完成所有工作，因此您需要先完成一些工作，然后才能将数据导入到该工具中。为 AutoML 准备数据与手动训练模型所需执行的操作类似。如需详细了解如何准备数据以进行训练，请参阅“数据准备”部分。

如需详细了解如何准备数据，请参阅使用数值数据和使用分类数据模块。

在导入数据以进行 AutoML 训练之前，您需要完成以下步骤：

  • 为数据加标签

    数据集中的每个示例都需要标签。

  • 清理和设置数据格式

    现实世界中的数据往往很杂乱，因此您需要先清理数据，然后再使用。即使使用 AutoML，您也需要确定最适合您的特定数据集和问题的处理方法。这可能需要进行一些探索，并且可能需要多次运行 AutoML 才能获得最佳结果。

  • 执行特征转换

    某些 AutoML 工具会为您处理某些特征转换。但是，如果您使用的工具不支持您需要的特征转换，或者支持不佳，您可能需要提前执行转换。

模型开发（使用无代码 AutoML）

AutoML 会在训练期间为您完成工作。不过，在开始训练之前，您需要先配置实验。如需设置 AutoML 训练作业，您通常需要指定以下概要步骤：

  1. 导入数据

    如需导入数据，请指定数据源。在导入过程中，AutoML 工具会为每个数据值分配一个语义数据类型。

  2. 分析数据

    AutoML 产品通常会提供在训练前后分析数据集的工具。最佳实践是，在开始运行 AutoML 之前，使用这些分析工具了解和验证数据。

  3. 优化数据

    AutoML 工具通常会提供一些机制，帮助您在导入数据后和训练前优化数据。以下是您可能需要完成的一些任务，以优化数据：

    • 语义检查：在导入过程中，AutoML 工具会尝试确定每个特征的正确语义类型，但这些只是猜测。您应检查为所有地图项指定的类型，如果分配的类型不正确，请进行更改。

      例如，您可以将邮政编码存储为数据库中某个列中的数字。大多数 AutoML 系统都会将此类数据检测为连续数值数据。对于邮政编码，这种做法是不正确的，用户可能希望将此地图项列的语义类型更改为分类类型，而不是连续类型。

    • 转换：某些工具允许用户在优化流程中自定义数据转换。有时，当数据集包含可能具有预测性的特征，且需要以 AutoML 工具难以确定的方式进行转换或组合时，就需要使用此方法。

      例如，假设您有一个房屋数据集，用于预测房屋的销售价格。假设有一个名为 description 的地产信息地图项，表示房源的说明，并且您希望使用此数据创建一个名为 description_length 的新地图项。某些 AutoML 系统提供了使用自定义转换的方法。在本示例中，可能有一个 LENGTH 函数用于生成新的说明长度特征，如下所示：LENGTH(description)。

  4. 配置 AutoML 运行参数

    在运行训练实验之前，最后一步是选择一些配置设置，以告知该工具您希望其如何训练模型。虽然每种 AutoML 工具都有自己的一组独特配置选项，但以下是您可能需要完成的一些重要配置任务：

    • 选择您打算解决的机器学习问题类型。例如，您是要解决分类问题还是回归问题？
    • 选择数据集中哪一列是标签。
    • 选择要用于训练模型的一组特征。
    • 选择 AutoML 在模型搜索中要考虑的一组机器学习算法。
    • 选择 AutoML 用于选择最佳模型的评估指标。

配置 AutoML 实验后，您就可以开始运行训练了。训练可能需要一段时间才能完成（大约需要数小时）。

评估模型

训练完成后，您可以使用 AutoML 产品提供的工具来检查结果，以便：

  • 通过检查特征重要性指标来评估特征。
  • 通过检查用于构建模型的架构和超参数来了解模型。
  • 使用输出模型训练期间收集的图表和指标评估顶级模型性能。

生产化

虽然这超出了本单元的范围，但某些 AutoML 系统可以帮助您测试和部署模型。

重新训练模型

您可能需要使用新数据重新训练模型。在评估 AutoML 训练运行作业或模型在生产环境中运行一段时间后，就可能会出现这种情况。无论是哪种情况，AutoML 系统都可以帮助您重新训练。在 AutoML 运行后，再次查看数据并使用经过改进的数据集进行重新训练，这种做法并不少见。

后续步骤

恭喜您完成本单元！

我们鼓励您根据自己的兴趣和进度，探索各种 MLCC 模块。如果您想按照建议的顺序学习，我们建议您接下来学习以下模块：机器学习公平性。

上一页
优势和限制（10 分钟）
下一页
简介（5 分钟）