資料內(nèi)容：

什么是 AutoML？
AutoML 旨在通過?動化常?步驟(如特征預(yù)處理、模型選擇
和超參數(shù)調(diào)整)來簡化 ML 模型的構(gòu)建過程。在接下來的章節(jié)
中，您將詳細(xì)了解這些步驟，并且您將實際構(gòu)建?個 AutoML
系統(tǒng)來更深?地了解 AutoML 可?的?具和庫。
 

在不涉及細(xì)節(jié)的情況下，回顧什么是 ML 模型以及如何訓(xùn)練
ML 模型是很有?的。
 

ML 算法會對你的數(shù)據(jù)進?運算，找到?定的模式，這個學(xué)習(xí)
過程叫做模型訓(xùn)練。作為模型訓(xùn)練的結(jié)果，你將擁有?個 ML
模型，它可以給你關(guān)于數(shù)據(jù)的?解/答案，?不需要你寫明確
的規(guī)則。
 

當(dāng)你在實踐中使? ML 模型時，你會拋出?堆數(shù)值數(shù)據(jù)作為訓(xùn)
練算法的輸?。訓(xùn)練過程的輸出是?個 ML 模型，您可以使?
它進?預(yù)測。預(yù)測可以幫助您根據(jù)服務(wù)器的當(dāng)前狀態(tài)來決定是
否應(yīng)該在未來四?時內(nèi)對其進?維護，或者您的客戶是否會轉(zhuǎn)
向您的競爭對?。
 

有時候你正在解決的問題不會被很好地定義，你甚?不知道你
在尋找什么樣的答案。在這種情況下，ML 模型將幫助您探索
您的數(shù)據(jù)集，例如確定?組在?為??彼此相似的客戶，或者
根據(jù)他們的相關(guān)性找到股票的層次結(jié)構(gòu)。
 

當(dāng)你的模型出現(xiàn)客戶群時，你會怎么做？嗯，你?少知道這?
點:屬于同?個集群的客戶在特征上是相似的，?如年齡、職
業(yè)、婚姻狀況、性別、產(chǎn)品偏好、?/周/?消費習(xí)慣、消費總
額等等。屬于不同集群的客戶互不相同。有了這樣的洞察?，
您可以利?這些信息為每個集群創(chuàng)建不同的?告活動。
 

從更技術(shù)性的?度來看，讓我們?簡單的數(shù)學(xué)術(shù)語來理解這個
過程。有?個數(shù)據(jù)集 X ，其中包含 n 個例?。這些例?可以
代表顧客或不同種類的動物。每個例?通常是?組實數(shù)，稱為
特征，例如，如果我們有?個 35 歲的?性客戶在您的商店花
了 12000 美元，您可以?以下向量(0.0，35.0，12000.0)
表?該客戶。請注意，性別? 0.0 表?，這意味著男性客戶
將擁有該功能的 1.0 。向量的??代表維度。因為這是?個?
?為三的向量，我們通常? m 來表?，所以這是?個三維數(shù)
據(jù)集。
 

根據(jù)問題類型，您可能需要為每個?例設(shè)置?個標(biāo)簽。例如，
如果這是?個監(jiān)督學(xué)習(xí)問題，如?進制分類，你可以? 1.0
或 0.0 標(biāo)記你的例?，這個新變量被稱為標(biāo)記或?標(biāo)變量。
?標(biāo)變量通常被稱為 y 。