Resumé
I dette kodemønster kan du lære, hvordan du bruger AutoAI til automatisk at generere en Jupyter Notebook, der indeholder Python-kode af en maskinlæringsmodel. Udforsk, modificer og genoplær derefter modelpipelinen ved hjælp af Python, før du implementerer modellen i IBM Watson® Machine Learning ved hjælp af Watson Machine Learning API'er.
Beskrivelse
AutoAI er et grafisk værktøj, der er tilgængeligt i IBM Watson Studio, der analyserer dit datasæt, genererer flere modelpipelines og rangerer dem baseret på den metrik, der er valgt for problemet. Dette kodemønster viser udvidede funktioner i AutoAI. Mere grundlæggende AutoAI-udforskning for det samme datasæt er dækket af Generer pipelines for maskinlæringsmodeller for at vælge den bedste model til dit problem tutorial.
Når du har gennemført dette kodemønster, forstår du, hvordan du:
- Kør et AutoAI-eksperiment
- Generer og gem en Python-notesbog
- Udfør notesbogen og analyser resultaterne
- Foretag ændringer og genoptræn modellen ved hjælp af Watson Machine Learning SDK'er
- Implementer modellen ved hjælp af Watson Machine Learning fra den bærbare computer
Flow
- Brugeren indsender et AutoAI-eksperiment ved hjælp af standardindstillinger.
- Der genereres flere pipeline-modeller. En valgfri pipelinemodel fra leaderboardet gemmes som en Jupyter Notebook.
- Jupyter Notebook'en udføres, og en modificeret pipelinemodel genereres i notesbogen.
- Pipeline-modellen er implementeret i Watson Machine Learning ved hjælp af Watson Machine Learning API'er.
Instruktioner
Få detaljerede instruktioner i readme fil. Disse instruktioner forklarer, hvordan du:
- Kør et AutoAI-eksperiment.
- Gem den AutoAI-genererede notesbog.
- Indlæs og kør notesbogen.
- Implementer og score som en webservice ved hjælp af en Watson Machine Learning-instans.
Kilde: https://developer.ibm.com/patterns/autoai-code-generation/
