要素和表格分析工具集概览
“要素和表格分析”工具集包含的工具可用于将机器学习和深度学习算法应用于要素或表格数据。
使用 AutoML 进行训练工具使用自动化机器学习 (AutoML) 在给定训练数据和可用计算资源的情况下训练和微调机器学习模型。 可以在使用 AutoML 进行预测中使用经训练的模型，来预测分类变量（分类）和连续变量（回归）。
训练机器学习 (ML) 模型曾是一个复杂的过程，需要了解不同类型模型的专业知识，以及如何微调其参数（称为超参数）以获得最佳结果。 这是一个迭代过程，需要多次试验才能识别出最准确的模型及其适当的超参数。 AutoML 工具无需代码即可自动执行此过程。 执行此过程时，它们提供了对训练模型的性能和超参数的可见性，以及哪些要素对模型结果的影响最大的见解。
使用 AI 模型预测缺失值通过自动利用可用数据训练机器学习或深度学习模型，并将其应用于估算缺失的数值，从而替换要素类或表中的缺失值（空值）。 它专为数据预处理设计，通常在训练工作流（如使用 AutoML 进行训练）之前使用，以提升模型性能和稳定性。
要素和表格分析工具集中的工具
|
工具 |
描述 |
|---|---|
|
用预估的要素值替换缺失值（空值）。 使用基于数据集模式训练的机器学习和深度学习模型，以确保统计一致性。 |
|
|
使用通过使用 AutoML 进行训练工具生成的经过训练的 |
|
|
通过构建训练管道和自动执行大部分训练过程来训练深度学习模型。 这包括探索性数据分析、要素选择、要素工程、模型选择、超参数调整和模型训练。 其输出包括训练数据上最佳模型的性能指标，以及可用作使用 AutoML 进行预测工具在新数据集上进行预测的经过训练的深度学习模型包 ( |