优化模型

使用自动机器学习的一个重要部分是改进模型以提高分数。通过排除或包含特征并更改其他配置参数，您可以比较不同的模型版本，以了解更改的效果。

通过解释分数，您将学习如何改进模型。不同度量的值可以让您深入了解要采取哪些行动来改善结果。

改进数据集

如果您的模型得分不好，您可能需要检查数据集以解决任何问题。阅读有关如何改进 准备好数据集进行训练 中数据集的详细信息。

排除特征

更多的特征不一定会产生更好的模型。要优化模型，需要排除不可靠和不相关的特征，例如：

• 相关性过高的特征。从两个相关特征中，排除特征重要性较小的特征。

• 特征重要性太低的特征。这些特征不会对您试图了解的内容产生任何影响。

• 特征重要性过高的特征。这可能是由于数据泄漏。

测试以从训练数据中删除该特征，然后再次运行训练并检查这是否改进了模型。它对模型得分有很大影响吗？

执行以下操作：

1. 从目录中打开一个实验。

2. 选择要优化的模型。

3. 在右下角，单击 Configure v2 以打开实验配置窗格。

   （按钮上的文本取决于运行的版本数。）

4. 在特征下，清除不想在训练中使用的任何特征的复选框。

添加特征

如果您的模型仍然得分不好，可能是因为与目标相关的特征尚未在数据集中捕获。阅读有关如何在 创建新要素列 中捕获或设计新特征的更多信息。

选择算法

根据目标列的数据类型，将自动选择合适的算法进行训练。您可能希望排除性能不佳或较慢的算法。这样你就不必在他们身上浪费时间训练了。

有关如何选择算法的更多信息，请参阅算法。

执行以下操作：

1. 从目录中打开一个实验。

2. 选择要优化的模型。

3. 在右下角，单击 Configure v2 以打开实验配置窗格。

   （按钮上的文本取决于运行的版本数。）

4. 在算法下，清除不想在训练中使用的任何算法的复选框。

比较实验版本

完成更改后，再次运行训练，并将新版本与旧版本进行比较，以查看更改的效果。

执行以下操作：

1. 单击屏幕右下角的 Run v2 以训练另一个实验版本。

   （按钮上的文本取决于运行的版本数。）

2. 在度量表中，您可以对模型进行排序，或者使用算法筛选器查找要比较的模型。

删除实验版本

您可以删除不想保留的实验版本。请注意，实验版本中的所有模型也将被删除，无法恢复。

执行以下操作：

1. 在模型度量表中，从要删除的实验版本中选择一个模型。

2. 在右下角，单击删除 1 版本。

3. 在确认对话框中，单击删除。