Eğitim ve Sonuçlar
Son adım - Eğit ve dağıt - ML Studio'nun ağır yükü üstlendiği yerdir. Hedefinizi en iyi tahmin eden modeli bulmak için birçok modeli arar, aramanın nasıl gerçekleştiğini gösterir ve kazananın net bir skor kartını sunar. Bu, ML Studio'nun "AutoML" (Otomatik Makine Öğrenimi) kısmıdır: bir algoritma seçmez veya ayarlamazsınız - arama sizin için bunu yapar.
Eğitim sunucuda çalışır
Eğitim arka planda sunucuda çalışır, böylece tarayıcıyı kapatabilir ve daha sonra geri dönebilirsiniz - çalışma devam eder. Ekran arama ilerledikçe kendini günceller. Bir çalışmayı istediğiniz zaman Durdurabilir ve daha sonra devam ettirebilirsiniz, uzun süren çalışmalar kaldığı yerden devam eder.
Canlı arama
Arama çalışırken, ML Studio farklı model ailelerini, farklı özellik setleri ile (örneğin Süreç özellikleri tek başına veya + Zenginleştirmeler ile) dener. Modelin görmediği veriler üzerinden her kombinasyonu puanlar, böylece sayılar yeni durumlarda tahminin ne kadar iyi çalışacağını yansıtır.
Arama ızgarası model ailelerini yan tarafta, özellik setlerini ise üstte gösterir. Her hücre, o ailenin o özellik setinde ulaştığı en iyi örnek dışı (out-of-sample) skordur:
- Daha koyu hücreler daha güçlüdür.
- Yeşil hücre şu anki en iyidir.
- Çerçeveli hücre şu anda eğitimde olanıdır.
- Boş hücreler henüz denenmemiştir.
Izgaranın üstünde canlı bir bant, toplam yapılandırmaların kaç tanesinin puanlandığını, aramada ne kadar zaman kaldığını, şu anda neyin eğitildiğini ve şimdiye kadar en iyi sonucu gösterir.
Eğitim-kayıp eğrisi
Izgaranın yanında, bir Eğitim kaybı - ne kadar düşük o kadar iyi grafiği arama derinleştikçe iki çizgi çizer:
- örnek dışı (test) - modelin görmediği durumlarda performansı.
- örnek içi (eğitim) - modelin öğrendiği durumlardaki performansı.
İki çizgi birbirine yakın kaldığında, model eski durumları ezberlemek yerine yeni durumlara genelleme yapıyordur - tam da istediğiniz şey.
Skor kartı
Arama bittiğinde başlık Tahmininiz hazır olarak değişir ve ML Studio kazanan modeli sunar.
En üstte, Kazanan: [model ailesi] hangi ailenin kazandığını, hangi özellik setini kullandığını, temel ayarlarını ve kaç işaret ile durumda eğitilip test edildiğini gösterir. Ana metrik kartları, tahmin türünüze bağlıdır:
| Tahmin türü | Metrik kartları |
|---|---|
| İkili (Binary) | F1 skoru (ana başlık), Doğruluk (Accuracy), Kesinlik (Precision), Çağrı (Recall) |
| Sınıflandırma (Classification) | Doğruluk, Dengeli doğruluk, Log-kayıp (Log-loss) |
| Regresyon (Regression) | R-kare, hedefin kendi biriminde Tipik Hata (MAE), RMSE |
Her metrik üzerinde sade bir dilde açıklama bulunur ve bir dipnot arama tarafından optimize edilen tek ana sayıyı belirtir. Skorlar birkaç katman üzerinde çapraz doğrulamalı olarak hesaplanır ve ortalama ile küçük bir artı/eksi yayılım olarak gösterilir, böylece sonucun ne kadar kararlı olduğu görülebilir.
Tahmini etkileyen faktörler ve tam skor tablosu
Metriklerin altında, ML Studio modelin neden böyle tahmin yaptığını açıklar ve her denenen aileyi gösterir.
- Bu tahmini en çok etkileyenler tahmini en çok etkileyen sinyalleri basit bir çubuk grafik olarak sıralar.
- Skor tablosu - her ailenin en iyi konfigürasyonu her model ailesinin en iyi sonucunu listeler: sırası, kazanan özellik seti, temel ayarlar, skor ve süresi. Kazanan (en iyi) olarak işaretlenir.
Eğer herhangi bir sinyal cevabı zaten kodlamış gibi görünüyorsa ve çıkarılmışsa, ML Studio bunu da belirtir, ayrıca hangi sütunların bırakıldığı da gösterilir - böylece skorun gerçek bir tahmin yansıttığına, sızıntı olmadığını görebilirsiniz.
Buradan ML Studio kazanan modeli canlı tahmin olarak vakalarınızda otomatik olarak çalıştırır. Bu çıktı - ve nasıl kullanılacağı - Tahminlerinizi kullanma bölümünde ele alınmıştır.