使用 Azure AI 完成自动化机器学习
💡
原文中文，约3200字，阅读约需8分钟。
📝
内容提要
Azure AI 提供强大定制功能，用户可通过 Azure Machine Learning 微调和部署模型。创建工作区后，可选择本地或云环境进行训练。自动化 ML 支持分类和时间序列预测，用户可导入数据集并选择训练属性。系统自动选择最佳模型并提供评估，尽管趋势预测表现良好，但准确性有待提高。
🎯
关键要点
- Azure AI 提供强大的定制化功能，用户可微调模型以满足业务需求。
- 用户可以通过 Azure Machine Learning 创建工作区，并选择本地或云环境进行训练。
- 自动化 ML 支持分类和时间序列预测，用户可导入数据集并选择训练属性。
- 系统自动选择最佳模型并提供评估，尽管趋势预测表现良好，但准确性有待提高。
- 创建工作区后，用户可选择默认策展环境或本地环境进行训练。
- 在自动化 ML 中，用户可以导入数据集并选择参与训练的属性。
- 模型评估显示，模型在预测不参加活动的客户上较为准确，但对参加活动的客户误判率接近 50%。
- 时间序列预测任务通过历史数据预测未来趋势，使用的示例数据集为自行车租赁记录。
- 模型评估结果显示，模型在解释方差和预测趋势方面表现良好，但准确性仍需提升。
❓
延伸问答
Azure AI 的自动化机器学习支持哪些类型的预测任务？
Azure AI 的自动化机器学习支持分类和时间序列预测任务。
如何在 Azure Machine Learning 中创建工作区？
用户可以通过 Azure Machine Learning 平台新建工作区，并为其命名，系统会生成新的工作区供使用。
在自动化 ML 中，如何导入数据集？
用户可以点击新建导入数据集，命名数据源后选择数据来源进行上传。
模型评估的结果显示了什么？
模型在预测不参加活动的客户上较为准确，但对参加活动的客户误判率接近 50%。
使用 Azure AI 进行时间序列预测的目标是什么？
时间序列预测的目标是通过历史数据预测未来的趋势。
Azure AI 提供哪些机器学习环境？
Azure 提供完整的机器学习环境，预装了许多流行的库和框架，如 Scikit-learn、TensorFlow、PyTorch 等。
➡️
