iT邦幫忙

2021 iThome 鐵人賽

DAY 30
0

AutoML得到的結果,說明如下。見圖<AZ-exp4MNIST.png>

https://ithelp.ithome.com.tw/upload/images/20211015/20141491QpXUdNlc5M.png

當看到 [Status]欄為Completed時,表示可見到結果了。接著看細部說明<AZ-expDetail.png>。

https://ithelp.ithome.com.tw/upload/images/20211015/20141491L33raTAprj.png

我們開始說明。但因為額度用完所以儘可能依照記憶,用文字說明之。

  • Detail部分:Properties框內,說明了為何early stopping的原因。
  • Data guardails:這個部分,主要說明一些data preprocessing部分。重要者有class balance(不同群的資料,筆數相差太大的處理)。Miss Value及Null的處理。One-hot Imputation的處理(for catagorical data)。
  • Models:見圖<AZ-expModels.png>。主要依照[AUC weight]排列。第一列的最後一欄[…]可點入,觀察Ensemble Detail。其他列則為Hyperparameters()。
  • Ensemble Detail:見圖<AZ-expEnsDet.png>。前面為Data Transformation方法(如 "StandardScaler"),後面則為模型(如 "LightGBMClassifier")。"LightGBMClassifier"常使用,主要的好處在於可處理catagorical data,而不需要One-hot Imputation的處理。

圖<AZ-expModels.png>

https://ithelp.ithome.com.tw/upload/images/20211015/20141491yQNLMbMmCQ.png

圖<AZ-expEnsDet.png>

https://ithelp.ithome.com.tw/upload/images/20211015/201414916C0g45CFu6.png

結語:感謝讀者30日耐心的看我瘋言瘋語,毫無章法。原來的大綱,到了第一個星期就偏了。再加上Azure free quota,兩份都被花光,想說明的資料都被鎖住了,有些心煩氣躁。最後,再三感謝讀者們,以及主辦單位的大力支持,希望本文對大家有些助益。


上一篇
Azure AutoML01
系列文
新手一起來Azure上玩 NNI (auto-ML的一種)30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言