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 bk. Deneylerle çalışma.

Yeni bir sürümü yapılandırma

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

Aşağıdakileri yapın:

1. Veri, Modeller veya Analiz sekmesinden, sonraki sürüm için temel olarak kullanılacak modeli seçin.

2. Yapılandırmayı görüntüle'ye tıklayın.

   Deney yapılandırması paneli açılır.

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 panelinde 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. Veri, Modeller veya Analiz sekmesinden, sonraki sürüm için temel olarak kullanılacak modeli seçin.

3. Yapılandırmayı görüntüle'ye tıklayın.

   Deney yapılandırması paneli açılır.

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. bk. 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 bk. Model algoritmalarını anlama.

Aşağıdakileri yapın:

1. Katalogdan bir deney açın.

2. Veri, Modeller veya Analiz sekmesinden, sonraki sürüm için temel olarak kullanılacak modeli seçin.

3. Yapılandırmayı görüntüle'ye tıklayın.

   Deney yapılandırması paneli açılır.

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 bk. Oluşturulan model türünün belirlenmesi.

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

Veri setini değiştirme

Aşağıdakileri yapın:

1. Veri, Modeller veya Analiz sekmesinden, sonraki sürüm için temel olarak kullanılacak modeli seçin.

2. Yapılandırmayı görüntüle'ye tıklayın.

   Deney yapılandırması paneli açılır.

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. Veri, Modeller veya Analiz sekmesinden, sonraki sürüm için temel olarak kullanılacak modeli seçin.

2. Yapılandırmayı görüntüle'ye tıklayın.

   Deney yapılandırması paneli açılır.

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.

Gelişmiş sürümü çalıştırma

Sürümü yapılandırmayı bitirdiğinizde çalıştırabilirsiniz.

Aşağıdakileri yapın:

• Ekranın sağ alt köşesindeki Çalıştır v2 seçeneğine tıklayın.

  (Düğme metni, çalıştırdığınız sürüm sayısına göre değişir.)

Deney sürümlerini karşılaştırma

Yeni sürümün eğitimi bittiğinde yeni sürümü eskisiyle karşılaştırarak değişikliklerinizin etkisini görün. Deney sürümlerinde modelleri karşılaştırmak için birkaç seçeneğiniz vardır.

Hızlı analiz

Sürümü eski sürümlerle karşılaştırmak için deneyde Modeller ve Veri sekmelerini kullanın. Modeller sekmesinde şunları yapabilirsiniz:

• Model metrikleri tablosundaki sonuçları görüntüleyin.

• Model eğitim özeti ve diğer otomatik oluşturulan grafiklerde farklı görüntülemek için modeller arasında geçiş yapın.

Hızlı model analizi hakkında daha fazla bilgi için bk. Hızlı model analizi yapma.

Ayrıntılı analiz

Deneyde Karşılaştır ve Analiz sekmelerine geçiş yaparak model analizinizi daha ayrıntılı inceleyebilirsiniz. Bu sekmeler, modelleri daha detaylı bir düzeyde etkileşimli bir şekilde değerlendirebileceğiniz bir eklenmiş analiz deneyimi sunar.

Karşılaştır sekmesi, tüm modellerde model puanlarının ve hiperparametrelerin karşılaştırmasını sunar. Analiz sekmesi; tahmin doğruluğu, özellik önemi ve diğer ayrıntıları değerlendirmek için belirli bir modele odaklanmanıza olanak tanır.

Daha fazla bilgi için bk. Modelleri karşılaştırma ve Ayrıntılı model analizi yapma.

Model optimizasyon ayarlarını değiştirme

Akıllı model optimizasyonunu etkinleştirildiği bir sürümü çalıştırdıktan sonra kapatabilirsiniz. Bu, akıllı optimizasyondan sağlanan içgörüleri kullanmanıza olanak tanırken aynı zamanda size daha küçük, minimal değişiklikler yapmak için ihtiyaç duyduğunuz kontrolü verir. Alternatif olarak, akıllı model optimizasyonu, ayar kapalıyken bir veya daha fazla sürümü çalıştırdıktan sonra kapatabilirsiniz.

Hiperparametre optimizasyonu, model geliştirme süreci sırasında açmanın faydalı olabileceği bir ayardır. Genel olarak, deneyin birinci sürümü için bu ayarın açık olması önerilmez.

Ayrıca zamana duyarlı eğitimin kullanılıp kullanılmayacağını veya tarih dizini olarak kullanılan sütunu değiştirebilirsiniz.

Aşağıdakileri yapın:

1. Yapılandırmayı görüntüle'ye tıklayın.

2. Gerekirse yeni bir deney sürümü yapılandırmak için Yeni sürüm'e tıklayın.

3. Panelde Model optimizasyonu'nu genişletin.

4. Akıllı model optimizasyonunu açmak veya kapatmak için Akıllı ve Manuel ayarları arasında geçiş yapın.

5. Hiperparametre optimizasyonunu etkinleştirmek istiyorsanız Hiperparametre optimizasyonu onay kutusuna tıklayın ve bir maksimum eğitim süresi ayarlayın.

6. Süre temelli test-eğitim bölümü altında, zamana duyarlı eğitim için ayarları değiştirebilirsiniz:

   1. Zamana duyarlı eğitimi açmak için veri kümesinde belirli bir Tarih dizini sütunu seçerek varsayılan Yok değerini değiştirin.

   2. Zamana duyarlı eğitimi kapatmak için Tarih dizini sütununu Yok değerine ayarlayın.

   3. Seçili Tarih dizini sütununu farklı bir sütunla değiştirin.

Deney sürümlerini silme

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

Aşağıdakileri yapın:

1. Modeller sekmesine geçiş yapın.

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

   İpucu notuAraç çubuğundaki açılır menüyü kullanarak Veri veya Analiz sekmelerindeyken de model seçebilirsiniz.

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

4. Onay diyalog penceresinde Sil'e tıklayın.