Modelleri iyileştirme

Birkaç başlangıç modeli oluşturduktan sonra etkinliklerini ve potansiyel doğruluklarını artırmak için bunları iyileştirmeniz önemlidir. Model puanları bu performansın farklı ölçümlerini belirtir. Modelleri iyileştirmenin amacı bu puanları artırmaktır ancak yüksek puan her zaman için bir modelin daha iyi olduğunu göstermez.

Özellikleri hariç tutarak veya dahil ederek, eğitim verilerini değiştirerek ve diğer yapılandırma parametrelerinde değişiklik yaparak modellerinizi geliştirebilirsiniz. Bunu yaparken değişikliklerinizin nasıl etkiler yarattığını görmek için farklı sürümleri karşılaştırabilirsiniz.

Puanları yorumlayarak modelin nasıl iyileştirileceğini anlarsınız. Farklı metrik değerleri, sonucu iyileştirmek için yapmanız gereken eylemlerle ilgili içgörüler sağlayabilir.

Gereklilikler ve izinler

ML deneyleriyle çalışmaya ilişkin kullanıcı gereklilikleri hakkında daha fazla bilgi almak için bkz. Deneylerle çalışma.

Yeni bir sürümü yapılandırma

Bir deney sürümü çalıştırdıktan sonra gerekirse yeni bir sürüm oluşturarak modellerinizi geliştirebilirsiniz.

Aşağıdakileri yapın:

1. Model metrikleri tablosunda geliştirmek istediğiniz modeli seçin.

2. Sağ alt kısımda, Deney yapılandırması bölmesini açmak için Yapılandırmayı görüntüle seçeneğine tıklayın.

3. Yeni sürüm'e tıklayın.

Yeni bir sürümü oluşturduktan sonra yapılandırmasıyla ilgili şunlar gibi değişikler yapabilirsiniz:

• Mevcut özellikleri hariç tutma

• Daha önce hariç tutulan özellikleri dahil etme

• Veri setini değiştirme veya yenileme

• Algoritmaları seçme veya seçimlerini kaldırma

Bu seçenekler hakkında daha fazla bilgi aşağıdaki bölümlerde verilmiştir.

Yeni bir sürüm oluştururken Deney yapılandırması bölmesinde Özellikler altındaki filtresi simgesine tıklayabilirsiniz. Filtreleme yaparken eğitim veri setini değiştirdiğiniz için hangi özelliklerin eklendiğini daha kolay görselleştirebilirsiniz. Hangi özelliklerin otomatik tasarlandığını ve tasarlanmadığını da görebilirsiniz.

Veri kümesini iyileştirme

Modelinizin puanı iyi değilse sorunları düzeltmek için veri kümesini incelemeniz gerekebilir. Veri kümenizi eğitim için hazırlama bölümünden veri kümesini iyileştirme hakkında daha fazla bilgi edinin.

Özellikleri hariç tutma

Daha fazla özellik kullanmanız, daha iyi bir model elde edeceğiniz anlamına gelmez. Modeli iyileştirmek için güvenilir olmayan ve ilgili olmayan şu tür özellikleri hariç tutmanız gerekir:

• Çok yüksek korelasyona sahip özellikler. Korelasyona ilişkisi bulunan iki özellikten daha az önemli olan özelliği hariç tutun.

• Özellik önemi çok düşük olan özellikler. Bu özelliklerin, öğrenmek istediğiniz hedef üzerinde etkisi yoktur.

• Çok yüksek özellik önemine sahip özellikler. Bu, veri sızıntısı nedeniyle ortaya çıkan bir durum olabilir.

Özelliği eğitim verilerinden kaldırmak için test yapın ve ardından eğitimi yeniden çalıştırdıktan sonra bu kaldırma işlemin modeli iyileştirip iyileştirmediğini kontrol edin. Model puanı için önemli bir fark yaratıyor mu veya hiç fark yaratmıyor mu?

Aşağıdakileri yapın:

1. Katalogdan bir deney açın.

2. İyileştirmek istediğiniz modeli seçin.

3. Sağ alt kısımda, Deney yapılandırması bölmesini açmak için Yapılandırmayı görüntüle seçeneğine tıklayın.

4. Yeni bir deney sürümü yapılandırmak için Yeni sürüm'e tıklayın.

5. Özellikler bölümünde, eğitimde kullanmak istemediğiniz özelliklerin onay kutusu işaretlerini kaldırın.

Özellik ekleme

Modeliniz yine de iyi puan alamıyorsa bunun nedeni, veri kümesinde hedefle ilişkili özelliklerin yer almaması olabilir. Veri setinizi veri kalitesini optimize edecek ve yeni özellikler ile bilgiler ekleyecek şekilde yeniden işleyebilir ve yeniden tasarlayabilirsiniz. Yeni veri seti hazır olduğunda gelecekteki deney sürümlerine eklenebilir. Bkz. Veri setini değiştirme ve yenileme.

Yeni özellik sütunları oluşturma bölümünde, yeni özellikler belirleme veya oluşturma hakkında daha fazla bilgi edinin.

Algoritmaları seçme

Hedef sütununuzdaki veri türüne bağlı olarak uygun algoritmalar eğitim için otomatik seçilebilir. İyi performans göstermeyen veya yavaş çalışan algoritmaları hariç tutmanız gerekebilir. Böylece eğitimde bu algoritmalarla zaman kaybetmemiş olursunuz.

Algoritmaların nasıl seçildiği hakkında daha fazla bilgi edinmek için bkz. Algoritmalar.

Aşağıdakileri yapın:

1. Katalogdan bir deney açın.

2. İyileştirmek istediğiniz modeli seçin.

3. Sağ alt kısımda, Deney yapılandırması bölmesini açmak için Yapılandırmayı görüntüle seçeneğine tıklayın.

4. Yeni bir deney sürümü yapılandırmak için Yeni sürüm'e tıklayın.

5. Algoritmalar bölümünde, eğitimde kullanmak istemediğiniz algoritmaların onay kutularından seçimi kaldırın.

Veri setini değiştirme ve yenileme

Son deney sürümünden bu yana eğitim verileriniz değiştiyse deneyin gelecekteki sürümleri için veri setini değiştirebilir veya yenileyebilirsiniz.

Bu, aynı deney içinde farklı veri setlerinin model metriklerini ve performansını karşılaştırmak istediğinizde faydalı olabilir. Örneğin aşağıdaki durumlarda faydalı olur:

• Yeni bir veri kayıtları seti mevcutsa veya orijinal veri kayıtları setinde güncellemeler yapıldıysa. Örneğin, son ayın işlemleri erişilebilir ve eğitimde kullanıma uygun hale gelmiş ya da bir veri toplama sorunu tespit edilip giderilmiş olabilir.

• Orijinal eğitim veri seti, model eğitimini iyileştirme amacıyla yeniden işlenmiş veya tasarlanmışsa. Örneğin, özellik sütunu değerlerini tanımlamak için mantığı geliştirmiş ve hatta yeni özellik sütunları eklemiş olabilirsiniz.

Veri setini değiştirmek veya yenilemek, önceki deney sürümlerinden eğitilmiş olan mevcut modellerde değişiklik yapmaz. Bir deney sürümüyle modeller sadece ilgili sürümde tanımlanan eğitim verileriyle eğitilir.

Gereksinimler

Veri setini yeni bir deney sürümü için değiştirdiğinizde veya yenilediğinizde yeni veri seti aşağıdaki gereklilikleri karşılamalıdır:

• Hedef sütununun adı ve özellik türü, orijinal eğitim veri setindeki hedefle aynı olmalıdır.

• Hedef sütunundaki farklı değerlerin sayısı, söz konusu deney türü için gereken aralık dahilinde olmalıdır. Örneğin, çok sınıflı bir sınıflandırma deneyinde yeni veri setindeki hedef sütunu yine üç ile on arasında benzersiz değer içermelidir. İlgili aralıklar için bkz. Oluşturulan model türünün belirlenmesi.

Diğer özellik sütunları tamamen yeni olabilir, farklı adlar taşıyabilir ve farklı veriler içerebilir.

Veri setini değiştirme

Aşağıdakileri yapın:

1. Bir deneydeki Model metrikleri tablosunda bir model seçin.

2. Sağ alt kısımda, Deney yapılandırması bölmesini açmak için Yapılandırmayı görüntüle seçeneğine tıklayın.

3. Yeni bir deney sürümü yapılandırmak için Yeni sürüm'e tıklayın.

4. Eğitim verileri altında Veri setini değiştir'e tıklayın.

5. Yeni veri setini seçin veya yükleyin.

Veri setini yenileme

Aşağıdakileri yapın:

1. Bir deneydeki Model metrikleri tablosunda bir model seçin.

2. Sağ alt kısımda, Deney yapılandırması bölmesini açmak için Yapılandırmayı görüntüle seçeneğine tıklayın.

3. Yeni bir deney sürümü yapılandırmak için Yeni sürüm'e tıklayın.

4. Eğitim verileri altında Veri setini yenile'ye tıklayın.

   Veri seti yenilemesi olursa size bildirim gönderilir. Bir veri seti genellikle mevcut veri dosyası, aynı ada sahip yeni bir dosya oluşturularak geçersiz kılındığında yenilenir.

Deney sürümlerini karşılaştırma

Değişikliklerinizi yaptıktan sonra eğitimi tekrar çalıştırın ve değişikliklerinizin etkisini görmek için yeni sürümü eskisiyle karşılaştırın.

Aşağıdakileri yapın:

1. Başka bir deney sürümü eğitmek için ekranın sağ alt köşesindeki Çalıştır v2 seçeneğine tıklayın.

   (Düğme metni, çalıştırdığınız sürüm sayısına göre değişir.)

2. Model metrikleri tablosunda algoritma, sürüm ve diğer özelliklere ait açılan menüleri kullanarak modelleri filtreleyebilirsiniz. Ayrıca tablo tek tek metrik sütunlarına göre sıralanabilir.

Deney sürümlerini silme

Saklamak istemediğiniz deney sürümlerini silebilirsiniz. Deney sürümlerindeki tüm modellerin de silineceğini ve kurtarılamayacağını unutmayın.

Aşağıdakileri yapın:

1. Model metrikleri tablosunda, silmek istediğiniz deney sürümündeki bir modeli seçin.

2. Sağ altta <sürüm numarası> sürümünü sil seçeneğine tıklayın.

3. Onay diyalog penceresinde Sil'e tıklayın.