Deneyleri yapılandırma
Deneyleri yapılandırma, hedefi ve modelin hedefi tahmin ederken kullanacağı özellikleri seçme işlemlerinden oluşur. Ayrıca isteğe bağlı bazı ayarları da yapılandırabilirsiniz.
Hedef seçiminde size destek olması için geçmiş veri kümesi analiz edilir ve veri kümesindeki her sütunla ilgili özet istatistikler görüntülenir. Yalnızca uygun verilerin dahil edildiğinden emin olmak için veri kümesine çeşitli otomatik ön işleme adımları uygulanır. Verilerin ön işlemesi hakkında daha fazla bilgi edinmek için bk. Otomatik veri hazırlama ve dönüştürme.
v1 sürümünü çalıştırdıktan sonra model eğitimini daha ayrıntılı bir şekilde geliştirmeniz gerekirse yeni deney sürümleri oluşturabilirsiniz. Daha fazla bilgi için bk. Modelleri iyileştirme.
Gereklilikler ve izinler
ML deneyleriyle çalışmaya ilişkin kullanıcı gereklilikleri hakkında daha fazla bilgi almak için bk. Deneylerle çalışma.
Arayüz
Aşağıdaki bölümler, deneyi yapılandırırken deney arayüzünde nasıl gezinileceğini ana hatlarıyla açıklar. Arayüz hakkında daha fazla bilgi için bk. Deney arayüzünde gezinme.
Sekmeli gezinti
Bir deney oluşturduğunuzda Veri sekmesi açılır. Burada, deney için hedef ve özellikleri yapılandırabilirsiniz.
En az bir deney sürümü çalıştırdıktan sonra diğer sekmeler kullanılabilir hale gelir. Bu diğer sekmeler, sürümde eğittiğiniz modelleri analiz etmenize olanak tanır. Sonraki sürümleri farklı özellik seçimleriyle yapılandırmanız gerekirse Veri sekmesine dönebilirsiniz.
Şema görünümü ve Veri görünümü
Veri sekmesinde aşağıdaki görünümler arasında geçiş yapabilirsiniz:
-
Şema görünümü: Varsayılan görünüm. Bu görünümde, veri kümenizdeki her bir sütun, bilgi ve istatistikler içeren şemadaki bir satırla gösterilir.
-
Veri görünümü: Her bir sütun için daha fazla bilgiye ve örnek verilere erişmek amacıyla kullanabileceğiniz alternatif bir görünüm.
Deney yapılandırması paneli
Deney eğitimini daha ayrıntılı bir şekilde özelleştirebileceğiniz bir paneli açmak için Yapılandırmayı görüntüle'ye tıklayın. Panel, görüntülediğiniz sekmeden bağımsız olarak açılabilir. Bu panel, birkaç ek yapılandırma seçeneği sağlar.
Deney yapılandırma paneliyle şunları yapabilirsiniz:
-
Birinci sürümü eğitmeden önce bir hedef seçin
-
Özellikleri ekle veya kaldırın
-
Deneyin yeni bir sürümünü yapılandırın
-
Eğitim veri kümesini değiştirmek veya yenilemek için seçin
-
Algoritmaları ekleyin veya kaldırın
-
Model optimizasyon ayarlarını değiştirin
Hedef seçme
Hedef sütunu, makine öğrenimi modelinin tahmin etmesini istediğiniz değerleri içerir. İlk eğitimi başlatana kadar hedef sütunu değiştirebilirsiniz. Eğitim başladıktan sonra bu sütun düzenlemeye karşı kilitlenir.
Aşağıdakileri yapın:
Şema görünümü veya Veri görünümü kısmında imleci sütunun üzerine getirin.
Görünen simgesine tıklayın.
Hedef sütun artık ile gösterilir ve mevcut diğer sütunlar otomatik şekilde özellik sütunu olarak seçilir.
Alternatif olarak hedefi, eğitim yapılandırma panelinde de seçebilirsiniz.
Hedef seçildiğinde deneyin ilk sürümünü çalıştırmaya başlayabilirsiniz. Daha fazla bilgi için bk. Deneyleri eğitme. Bu aşamada ek yapılandırmalar seçebilir (aşağıda açıklanır) veya eğitim sonuçlarını inceledikten sonra yapılandırmayı ayarlayabilirsiniz.
Deney eğitimi devam ederken verilerinizin nasıl yorumlandığına ve işlendiğine dair açıklamalar gösterilir. Daha fazla bilgi için bk. Veri kümesi içgörülerini yorumlama.
Oluşturulan model türünün belirlenmesi
Hedef olarak seçtiğiniz sütun, deneyinizin oluşturacağı modelin türünü belirler. Bu da modeli eğitmek için hangi algoritmaların kullanılacağının belirlenmesine katkıda bulunur. Veri kümenizdeki bazı sütunlar deney hedefiniz olarak seçilemeyebilir veya bunlara uygulanmış özel işlemler olabilir.
Model türleri şunlardır:
İkili sınıflandırma modeli
Çok sınıflı sınıflandırma modeli
Regresyon modeli
Aşağıdaki tablo, hedefinizde kullanılan model türünü belirleyen faktörleri özetlemektedir.
Model türü | Sütundaki farklı değer sayısı | Gerekli özellik türü | Ek bilgiler |
---|---|---|---|
İkili sınıflandırma | 2 | Fark etmez | - |
Çok sınıflı sınıflandırma | 3-10 | Fark etmez | 10'dan fazla farklı, sayısal olmayan sınıfa sahip bir sütun hedef olarak seçilemez. |
Regresyon | 10'dan fazla | Sayısal | - |
Deneyinizin ne tür modelleri eğittiğini öğrenmek için Yapılandırmayı görüntüle'ye tıklayın ve Algoritmalar'ı genişletin. Model türü, bölüm başlığında görünür.
Özellik sütunlarını seçme
Hedefi belirledikten sonra, mevcut hangi sütunların modelin eğitimine dahil edileceğini seçebilirsiniz. Modelin parçası olmasını istemediğiniz tüm özellikleri hariç tutun. Söz konusu sütunun veri kümesinde kalacağını ancak eğitim algoritması tarafından kullanılmayacağını unutmayın.
Deney yapılandırması bölmesinin üstünde, veri kümenizdeki hücre sayısını görebilirsiniz. Bu sayı, veri kümesi sınırını aşıyorsa sınırı aşmamak için özellikleri hariç tutabilirsiniz.
Özellik sütunlarını çeşitli yollardan seçebilirsiniz:
Şema görünümü ve Veri görünümü bölümünde
Ana görünümlerde şunları yapabilirsiniz:
Mevcut tüm özellikleri dahil et'in seçimini kaldırın ve ardından yalnızca dahil etmek istediklerinizi seçin.
Dahil etmek istemediğiniz özelliklerin onay kutularını el ile temizleyin.
Arama yapın ve tüm filtrelenen arama sonucundaki tüm özellikleri hariç tutun veya dahil edin.
Eğitim özelleştirme panelinde
Deney yapılandırma panelini genişletirseniz şunları yapabilirsiniz:
Dahil etmek istemediğiniz özelliklerin onay kutularını el ile temizleyin.
Deneyin ilk sürümünü çalıştırdıktan sonra Dahil edilecek popüler özellik sayısı'nı belirtebilirsiniz.
Özellikleri seçtiğinizde bunlara otomatik olarak bir özellik türü atanır. Olası özellik türleri:
Kategorik
Sayısal
Tarih
Serbest metin
Özellik türü, özellik sütununda bulunan verilere dayanarak atanır. Bir özellik belirli kriterleri karşılıyorsa otomatik olarak oluşturulan özellikler için temel olacak şekilde hazırlanabilir. İsterseniz özelliğin otomatik özellik mühendisliği için kullanılıp kullanılmayacağını değiştirebilirsiniz. Otomatik özellik mühendisliği hakkında tüm ayrıntılar için bk. Otomatik özellik mühendisliği.
Veri kümenizdeki bazı sütunlar, deneyinizde özellik olarak seçilemeyebilir veya bunlara uygulanmış özel işlemler olabilir. Deney eğitiminde gezinirken verilerinizin nasıl yorumlandığına ve işlendiğine dair açıklamalar gösterilir. Daha fazla bilgi için bk. Veri kümesi içgörülerini yorumlama.
Algoritmaları seçme
Tüm mevcut algoritmalar varsayılan olarak dahil edilir. Kullanmak istemediğiniz algoritmaları hariç tutabilirsiniz. Genellikle bunu, ilk eğitim sonuçlarını gördükten sonra model iyileştirme kapsamında yaparsınız. Daha fazla bilgi için bk. Modelleri iyileştirme.
Özellik türlerini değiştirme
Bir veri kümesi yüklendiğinde, sütunlar veri türüne ve diğer özelliklere göre kategorik, sayısal, tarih veya serbest metin olarak ele alınır. Bazı durumlarda bunu değiştirmek isteyebilirsiniz.
Örneğin, haftanın günleri 1'den 7'ye kadar rakamlarla temsil ediliyorsa her rakam bir kategorik değeri gösterir. Bunlar varsayılan olarak ardışık sıralı sayısal değerler olarak kabul edileceğinden söz konusu değerlerin kategorik olarak kabul edilmesi için yapılandırmayı el ile değiştirmeniz gerekir.
Bir sütun tarih ve saat bilgisi içerecek şekilde tanımlandığında, yeni oluşturulan otomatik mühendislik özellikleri için temel olarak kullanılır. Bu olduğunda, orijinal sütun (üst özellik) tarih özelliği türüne sahip olarak değerlendirilir. Üst özelliği tarih özellik türünden kategorik özellik türüne değiştirebilirsiniz. Ancak bunu yaparsanız deney eğitiminde otomatik tasarlanmış özelliklerini artık kullanamazsınız.
Aşağıdakileri yapın:
Şema görünümünde özelliği bulun.
Bu özelliğin Özellik türü sütununda seçeneğine tıklayın.
Listeden bir değer seçin.
Alternatif olarak özellik türlerini Veri görünümü bölümünden de değiştirebilirsiniz. Özelliği bulun, ardından geçerli özellik türünün yanındaki seçeneğine tıklayın. Listeden bir değer seçin.
Veri işleme bölümünün deney yapılandırması panelinde, özellik türü değiştirilmiş tüm sütunları görebilirsiniz.
Veri kümesini değiştirme
Eğitim veri setini birinci deney sürümünü çalıştırmadan önce ve herhangi bir sürümü çalıştırdıktan sonra değiştirebilirsiniz.
Veri setini birinci sürümü çalıştırmadan önce değiştirirseniz veri setini değiştirmeden önce yaptığını yapılandırmaları kaybedeceksiniz.
Aşağıdakileri yapın:
Eğitim verileri bölümündeki deney yapılandırması panelinde Veri kümesini değiştir seçeneğine tıklayın.
Yeni bir veri kümesi seçin.
Model geliştirmesi sırasında (deney sürümü çalıştırdıktan sonra) veri setini değiştirme ve yenileme hakkında daha fazla bilgi için bk. Veri setini değiştirme ve yenileme.
Model optimizasyonunu yapılandırma
Aşağıdaki ayarlar, modellerinizi optimize etmek için özelleştirilebilir:
Akıllı model optimizasyonunu açma veya kapatma
Hiperparametre optimizasyonunu açma veya kapatma
Zamana duyarlı eğitimi açma veya kapatma
Bu seçenekler, çalıştırdığınız deneyin her bir sürümü için açılabilir veya kapatılabilir.
Akıllı optimizasyonu yapılandırma
Varsayılan olarak deney, akıllı model optimizasyonunu kullanır. Akıllı model optimizasyonu ile AutoML, özellik seçimini yineleyerek ve verilerinize gelişmiş dönüşümler uygulayarak model iyileştirme sürecini sizin için yönetir.
Akıllı optimizasyon hakkında daha fazla bilgi için bk. Akıllı model optimizasyonu.
Eğittiğiniz modelleri manuel olarak geliştirmek için bu ayarı kapatabilirsiniz. Örneğin, model eğitiminizi akıllı model optimizasyonuyla başlatmak, ardından yapılandırmayı daha ayrıntılı bir şekilde düzenlemek üzere 2. sürüm için manuel geliştirmeye geçiş yapmak isteyebilirsiniz.
Aşağıdakileri yapın:
Yapılandırmayı görüntüle'ye tıklayın.
Deneyin zaten en az bir sürümünü çalıştırdıysanız Yeni sürüm'e tıklayın.
Panelde Model optimizasyonu'nu genişletin.
Akıllı'dan Manuel'e geçiş yapın.
Kaydırıcıyı kullanarak eğitim için maksimum çalışma süresini ayarlayın.
Hiper parametre optimizasyonunu yapılandırma
Hiperparametre optimizasyonu kullanarak modelleri optimize edebilirsiniz. Bunun, eğitim süresini önemli ölçüde artırabilecek ileri seviye bir seçenek olduğunu unutmayın. Hiperparametre optimizasyonu, akıllı optimizasyonu kapatırsanız kullanılabilir.
Daha fazla bilgi için bk. Hiper parametre optimizasyonu.
Aşağıdakileri yapın:
Yapılandırmayı görüntüle'ye tıklayın.
Deneyin zaten en az bir sürümünü çalıştırdıysanız Yeni sürüm'e tıklayın.
Panelde Model optimizasyonu'nu genişletin.
Akıllı'dan Manuel'e geçiş yapın.
Hiper parametre optimizasyonu onay kutusunu işaretleyin.
İsteğe bağlı olarak, yaptığınız optimizasyon için bir süre sınırı ayarlayabilirsiniz. Varsayılan süre sınırı 1 saattir.
Zamana duyarlı eğitimi yapılandırma
Modellerinizin bir zaman serisi boyutu dikkate alınarak eğitilmesini istiyorsanız deney sürümü için zamana duyarlı eğitimi etkinleştirin. Bu seçeneği kullanmak için veri kümenizde ilgili zaman serisi bilgilerini içeren bir sütuna sahip olmanız gerekir.
Zamana duyarlı eğitim açıldığında AutoML, modelleri eğitmek için özel çapraz doğrulama ve null değer atama süreçlerini kullanır.
Daha fazla bilgi için bk. Zaman kullanan modeller oluşturma ve Zamana dayalı çapraz doğrulama.
Aşağıdakileri yapın:
Yapılandırmayı görüntüle'ye tıklayın.
Deneyin zaten en az bir sürümünü çalıştırdıysanız Yeni sürüm'e tıklayın.
Panelde Model optimizasyonu'nu genişletin.
Süre temelli test-eğitim bölümü altında, verileri sıralamak için kullanılacak Tarih dizini'ni seçin.
Eğitim verileri hakkında içgörüleri görüntüleme
Deneyin Veri sekmesinde eğitim verilerini yönetmeye dair içgörüleri görüntüleyebilirsiniz. Bu bilgiler, Şema görünümü bölümündeki İçgörüler sütununda mevcuttur. Gösterilen bilgiler, mevcut eğitim verileriyle bir sürüm çalıştırmış olup olmadığınıza bağlıdır. İçgörüler sütunundaki değişiklikler, özelliklerin neden kullanıma açık olmayabileceğini veya neden otomatik olarak kullanımdan kaldırıldıklarını belirlemenize yardımcı olabilir.
Her bir içgörünün ne anlama geldiği hakkında daha fazla bilgi için bk. Veri kümesi içgörülerini yorumlama.