在Machine Learning 這個領(lǐng)域，通常訓(xùn)練一個業(yè)務(wù)模型的難點并不在于算法的選擇，而在于前期的數(shù)據(jù)清理和特征工程這些紛繁復(fù)雜的工作，訓(xùn)練過程中的問題在于參數(shù)的反復(fù)迭代優(yōu)化。

AutoML 是 Azure Databricks 的一項功能，它自動的對數(shù)據(jù)進(jìn)行清理和特征工程并使用數(shù)據(jù)嘗試多種算法和參數(shù)來訓(xùn)練最佳機(jī)器學(xué)習(xí)模型。使用這種自動化模型訓(xùn)練可以滿足以下業(yè)務(wù)問題的模型訓(xùn)練：

1、分類問題：

AutoML可以用于解決二分類或多分類問題，如客戶流失預(yù)測、郵件是否為垃圾郵件的判斷等。

2、回歸問題：

在涉及連續(xù)數(shù)值預(yù)測的場景中，如銷售額預(yù)測、房價預(yù)測等，AutoML能夠提供有效的解決方案。

3、時間序列預(yù)測：

對于時間相關(guān)的數(shù)據(jù)，如股票價格預(yù)測、需求預(yù)測等，AutoML可以通過時間序列分析提供預(yù)測。

下面來演示如何使用：

本教程需要Azure Data Bricks工作區(qū)，啟動工作區(qū)方法，請參照下面鏈接：

想學(xué)習(xí)云計算么？教你如何免費(fèi)白嫖微軟和AWS的云資源一年-CSDN博客

利用 Azure Data Bricks的免費(fèi)資源學(xué)習(xí)云上大數(shù)據(jù)-CSDN博客

一、啟動Data Bricks SQL倉庫

在工作區(qū)的 Azure Databricks 門戶中，在邊欄的“SQL”下，選擇“SQL 倉庫”。

請注意，工作區(qū)已包含一個名為 Starter Warehouse 的 SQL 倉庫。

在 SQL 倉庫的“操作”菜單中，選擇“編輯”。然后，將“群集大小”屬性設(shè)置為“2X-Small”并保存更改。

使用“啟動”按鈕啟動 SQL 倉庫（這可能需要一兩分鐘）

二、上傳訓(xùn)練數(shù)據(jù)

1、將penguins.csv上傳到平臺中，如下圖：

?2、上傳之后如下圖：選擇“創(chuàng)建表格”按鈕

三、創(chuàng)建機(jī)器學(xué)習(xí)計算節(jié)點

創(chuàng)建機(jī)器學(xué)習(xí)計算節(jié)點，注意：需要選擇單一用戶，單節(jié)點，Runtime選擇ML 14.2ML Scala.2.12,spark3.5.0 ,不要選帶GPU的。如下圖：

創(chuàng)建成功之后的Cluster配置如下： 注意要去掉使用photon加速這個復(fù)選項，然后選擇“創(chuàng)建計算”

四、創(chuàng)建?AutoML試驗

如下圖：在DataBricks工作區(qū)中，選擇新建－－》AutoＭＬ試驗

1、選擇上一步創(chuàng)建好的機(jī)器學(xué)習(xí)類型的集群：

2、ML問題類型：選擇“分類” 如下圖?

3、選擇訓(xùn)練用的數(shù)據(jù)如下圖：

4、其它參數(shù)配置如下圖：?

?

5、選擇 最下邊的?“啟動 AutoML”按鈕開始試驗

訓(xùn)練結(jié)束之后，如下圖：

?6、在“Species_penguins”頁中，選擇“查看筆記本的最佳模型”????????

?下面就是打開的筆記的最佳模型的全部訓(xùn)練腳本，可以基于這個最佳模型進(jìn)行修改優(yōu)化，或者重新訓(xùn)練。

?關(guān)閉包含筆記本的瀏覽器選項卡以返回到實驗頁面，在運(yùn)行列表中，選擇第一個運(yùn)行的名稱（生成最佳模型）以將其打開

五、在系統(tǒng)中注冊模型

選中訓(xùn)練的最佳模型之后，在右上角，選擇“注冊模型”按鈕，出現(xiàn)下面的界面：

在 Model Name 輸入庫，輸入模型名稱，然后選擇"注冊"

注冊成功之后，則在左側(cè)菜單欄的“模型” 選項中可以看到已經(jīng)注冊的模型

選擇 test-penguins 模型之后，顯示該模型的相關(guān)信息

1. 在“test-penguins”頁面上，使用“使用模型進(jìn)行推理”按鈕，使用以下設(shè)置創(chuàng)建新的實時終端節(jié)點：
   1. 型號： Penguin-Classifier
   2. 型號版本：1
   3. 端點：classify-penguin
   4. 計算大小：小

創(chuàng)建終結(jié)點后，使用右上角的“查詢終結(jié)點”按鈕打開一個界面，您可以從中測試終結(jié)點。然后，在測試界面的“瀏覽器”選項卡上，輸入以下 JSON 請求，并使用“發(fā)送請求”按鈕調(diào)用終結(jié)點并生成預(yù)測。

{ "dataframe_records": [ { "Island": "Biscoe", "CulmenLength": 48.7, "CulmenDepth": 14.1, "FlipperLength": 210, "BodyMass": 4450 } ] }

自此，一個完整的AutoML的流程就跑完了，自動化機(jī)器學(xué)習(xí)可以幫助大家快速建立AI模型，其實門檻也沒那么高。