Deney oluşturma ve yapılandırma

İlk adım, deneyi oluşturmak ve yapılandırmaktır. Modeli tahmin yapmak üzere dağıtılmaya hazır olana kadar eğitmek için, daha önceden yüklediğiniz eğitim veri kümesini kullanacaksınız.

Yeni deney oluşturma

Aşağıdakileri yapın:

1. Analiz etkinlik merkezinin Oluştur sayfasına gidin ve ML dağıtımı'nı seçin.

2. Deneyinize bir ad verin. Örneğin, Müşteri kaybı eğitimi.

3. İsteğe bağlı olarak açıklama ve etiket ekleyebilirsiniz.

4. Deneyiniz için bir alan seçin. Kişisel alanınızı veya paylaşılan bir alanı seçebilirsiniz.

5. Oluştur'a tıklayın.

6. Eğitim veri kümesi dosyasını seçin. Bu, CSV mi QVD ile mi çalıştığınıza bağlı olarak aşağıdakilerden biri olacaktır:

   • AutoML Tutorial - Churn data - train.csv

   • AutoML Tutorial - Churn data - train.qvd

Verileri inceleme

Artık deneyinizi yapılandırmaya başlayabilirsiniz ancak bunu yapmadan önce veri kümesine göz atalım.

Veri sekmesinde başlarız. Varsayılan görünüm Şema görünümüdür. Burada, veri kümenizdeki her sütunun bir satırla temsil edildiği tabloyu görebiliriz. İstatistikler ve içgörüler, otomatik veri hazırlama sırasında oluşturuldu. İçgörüler kısmını görmek için şemanın sağ kısmına gitmeniz gerekebilir.

Yüksek nicelik nedeniyle AccountID sütunun hariç tutulduğunu görüyoruz. Bu, sütunda çok fazla benzersiz değer olduğu anlamına gelir. Country özelliği ise tam tersi bir nedenle hariç tutuldu: Tüm satırlarda aynı değer var. Bu iki özellik, makine öğrenimi modelleri için hiçbir değer taşımıyor.

Territory adlı kategorik özelliğin impact encoded olduğunu görüyoruz. Daha fazla bilgi için uyarısı ve simgelerinin üzerine gelin.

Veri görünümü'ne tıklayın. Bu görünümde, örnek veriler dahil olmak üzere her sütunla ilgili daha fazla bilgi görüntüleyebiliriz.

Hedef seçme

Makine öğrenimi modelimizin müşteri kaybını tahmin etmesini istediğimiz için hedef olarak Churned öğesini (veri kümesindeki son sütun) seçiyoruz.

Aşağıdakileri yapın:

1. Şema görünümüne geri gelin.

2. Churned öğesinin üzerine gelin ve görünen hedef simgesine tıklayın.

Deney yapılandırması panelinde şu anda Churned seçeneğinin belirlenmiş olduğunu görebiliyoruz. Ayrıca hangi özelliklerin otomatik olarak seçildiğini ve hariç tutulduğunu da görebiliriz. Churned hedef olduğundan özellik olarak kullanılmayacaktır. Ayrıca bu deneyin ikili sınıflandırma sorunu olarak ele alınacağını da görebiliriz.

Özellikleri seçme

Deneyimizi ilk kez çalıştırmada varsayılan olarak seçilmiş tüm özellikleri ve algoritmaları ekleriz. Ancak belirli özelliklerin hedefe etki etmediğini (işle ilgili bilgilerinize dayanarak) zaten biliyorsanız bu aşamada söz konusu özellikleri eğitimden hariç tutmak için seçimlerini kaldırabilirsiniz.

Optimizasyon ayarlarını değiştirme

Akıllı model optimizasyonu varsayılan olarak açıktır. Akıllı model optimizasyonu ile AutoML, model eğitiminin otomatik olarak geliştirilmesini sağlar. Ancak bu öğreticinin amacı size, özellik verileri ve eğitim sonuçlarınızla ilgili belirli sorunları manuel olarak nasıl tespit edeceğinizi göstermektir.

Modellerin akıllı model optimizasyonuyla nasıl eğitileceğine dair bir örnek için bkz. Örnek – Otomatik makine öğrenimiyle modelleri eğitme.

Manuel geliştirmeyi göstermek için akıllı model optimizasyonunu kapatalım.

Aşağıdakileri yapın:

1. Deney yapılandırması panelinde Model optimizasyonu bölümünü genişletin.

2. Akıllı'dan Manuel'e geçiş yapın.

Deneyi eğitme

Yapılandırma işlemi bitti ve eğitimi başlatmaya hazırız.

Aşağıdakileri yapın:

• Deney penceresinin sağ alt köşesindeki Deneyi çalıştır seçeneğine tıklayın.

Deneyi çalıştırma tamamlandığında sonraki adıma, sonuç olarak elde ettiğimiz model metriklerini incelemeye geçebiliriz.