Che cos'è il Machine Learning automatizzato (AutoML)?
Il Machine Learning automatizzato (AutoML) consente di automatizzare il processo di applicazione dell'apprendimento automatico ai dati. Dato un set di dati, è possibile eseguire AutoML per scorrere diverse trasformazioni dei dati, algoritmi di apprendimento automatico e iperparametri per selezionare il modello migliore.
Nota
Questo articolo si riferisce all'API autoML ML.NET, attualmente in anteprima. Il materiale potrà essere soggetto a modifiche.
Come funziona AutoML?
In generale, il flusso di lavoro per eseguire il training dei modelli di Machine Learning è il seguente:
- Definire un problema
- Raccogliere dati
- Pre-elaborazione dei dati
- Eseguire il training di un modello
- Valutare il modello
La pre-elaborazione, la formazione e la valutazione sono un processo sperimentale e iterativo che richiede più prove fino a ottenere risultati soddisfacenti. Poiché queste attività tendono a essere ripetitive, AutoML può aiutare ad automatizzare questi passaggi. Oltre all'automazione, le tecniche di ottimizzazione vengono usate durante il processo di training e valutazione per trovare e selezionare algoritmi e iperparametri.
Quando è consigliabile usare AutoML?
Indipendentemente dal fatto di iniziare a usare Machine Learning o di essere un utente esperto, AutoML offre delle soluzioni per automatizzare il processo di sviluppo del modello.
- Principianti: se non si ha familiarità con l'apprendimento automatico, AutoML semplifica il processo di sviluppo del modello fornendo un set di impostazioni predefinite che riduce il numero di decisioni da prendere durante il training del modello. In questo modo, è possibile concentrarsi sui dati e sul problema che si sta tentando di risolvere e lasciare che AutoML faccia il resto.
- Utenti esperti: se si ha esperienza con Machine Learning, è possibile personalizzare, configurare ed estendere le impostazioni predefinite fornite da AutoML in base alle proprie esigenze, sfruttando al tempo stesso le funzionalità di automazione.
AutoML in ML.NET
- Funzionalità: API comoda per automatizzare la pre-elaborazione dei dati.
- Versione di valutazione: esecuzione di un'unica ottimizzazione degli iperparametri.
- Esperimento: raccolta di versioni di valutazione di AutoML. ML.NET fornisce un'API di alto livello per la creazione di esperimenti che imposta le impostazioni predefinite per i singoli componenti Sweepable Pipeline, Search Space e Tuner.
- Spazio di ricerca: gamma di opzioni disponibili tra cui scegliere gli iperparametri.
- Tuner: algoritmi usati per ottimizzare gli iperparametri. ML.NET supporta i seguenti tuner:
- Costo tuner frugale: Implementazione dell'ottimizzazione frugale per gli iperparametri correlati ai costi che prende in considerazione i costi di training
- Eci Cost Frugal Tuner: Implementazione del tuner frugale dei costi per gli spazi di ricerca gerarchici. Tuner predefinito usato da AutoML.
- SMAC: tuner che usa foreste casuali per applicare l'ottimizzazione Bayesian.
- Ricerca griglia: il convertitore funziona meglio per gli spazi di ricerca di piccole dimensioni.
- Ricerca casuale
- Strumento di stima sweepable: strumento di stima ML.NET che contiene uno spazio di ricerca.
- Pipeline sweepable: pipeline ML.NET che contiene uno o più Strumenti di stima sweepable.
- Strumento di esecuzione della versione di valutazione: componente AutoML che usa pipeline e impostazioni di valutazione sweepable per generare i risultati della versione di valutazione dal training e dalla valutazione del modello.
È consigliabile iniziare con le impostazioni predefinite fornite dall'API dell'esperimento di alto livello. Per gli utenti più esperti che cercano opzioni di personalizzazione, usare lo strumento di stima sweepable, la pipeline sweepable, lo spazio di ricerca, lo strumento di esecuzione della prova e i componenti del tuner.
Per altre informazioni su come iniziare a usare l'API AutoML, vedere la Guida all'API AutoML (Automated Machine Learning) per l'uso di ML.NET.
Attività supportate
AutoML fornisce impostazioni predefinite preconfigurate per le attività seguenti:
- Classificazione binaria
- Classificazione multiclasse
- Regressione
Per altre attività, è possibile creare uno strumento di esecuzione della versione di valutazione personalizzato per abilitare tali scenari. Per altre informazioni, vedere la guida Come usare l'API di Machine Learning automatizzato (AutoML) ML.NET.
