在工作区中训练模型

已完成

若要使用 Azure 机器学习工作区训练模型，有以下几个选项：

• 使用自动化机器学习。
• 运行 Jupyter 笔记本。
• 将脚本作为作业运行。

使用自动化机器学习探索算法和超参数值

如果具有训练数据集，并且任务是查找性能最佳的模型，则可能需要尝试各种算法和超参数值。

手动试验不同的配置来训练模型可能需要很长时间。 或者，可以使用自动化机器学习来加快该进程。

自动化机器学习会循环访问与特征选择配对的算法，以便为数据找到性能最佳的模型。

运行笔记本

如果希望通过在笔记本中运行代码进行开发，可以在工作区中使用内置笔记本功能。

工作室中的“笔记本”页允许编辑和运行 Jupyter 笔记本。

在笔记本分区中克隆或创建的所有文件都存储在使用工作区创建的 Azure 存储帐户的文件共享中。

若要运行笔记本，你需要使用计算实例，因为它们非常适合用于开发，且工作方式类似于虚拟机。

还可以选择在 Visual Studio Code 中编辑和运行笔记本，同时仍使用计算实例来运行笔记本。

将脚本作为作业运行

如果希望准备代码以供生产使用，最好使用脚本。 可以轻松自动执行脚本，以自动执行任何机器学习工作负载。

可以在 Azure 机器学习中将脚本作为作业运行。 将作业提交到工作区时，所有输入和输出都将存储在工作区中。

有不同类型的作业，具体取决于你希望如何执行工作负载：

• 命令：执行单个脚本。
• 扫描：在执行单个脚本时执行超参数优化。
• 管道：运行由多个脚本或组件组成的管道。

注意

提交使用设计器创建的管道时，它将作为管道作业运行。 提交自动化机器学习试验时，该试验也将作为作业运行。