问题标签 [automl]

当我使用 autoML 在 R 中训练模型时，我可以通过以下方式查看模型的排行榜

我可以通过

但是，我还想对第二好的模型、第三好的模型等进行实验。我怎样才能访问它们？

我正在尝试将 ML.NET 1.0 包安装到 Visual Studio 2017 中，这样我就可以练习 ML.NET 模型生成器，

然后我收到以下消息：

这是我的 Visual Studio 安装

所以我想知道我有人有同样的问题，以及如何解决它。

我在谷歌云平台上运行了一个自然语言 AutoML 文本分类模型。我用来训练模型的数据可以导出到存储桶中的 csv 文件。该文件有 3 列（1.train/validation/test，2.gs:// 参考实际内容，3.预测结果/标签），如下例所示。

训练 gs://[bucket_name]/[folder] /uploads/content/RrpGCDwgse0.txt 网站

我的问题是如何从 gs:// 参考中获取实际内容，以便我可以查看每一行以确定预测的标签是否正确。输出应位于包含字符串内容的 csv 文件中，而不是 gs:// 参考。

我能够使用以下代码成功开始模型的训练：

我可以调用一个 api 端点来获取该特定模型的训练状态吗？

我想知道：

1. 这个模型的训练完成了吗？
2. 训练还在进行吗？
3. 多久训练完成？
4. 有错误吗？

谢谢！

我正在尝试通过在 Google Cloud Platform 上使用 AutoML 来执行自定义文本分类。我正在使用官方的谷歌文档来帮助我入门。该博客的链接是https://cloud.google.com/blog/products/ai-machine-learning/no-deep-learning-experience-needed-build-a-text-classification-model-with-google-云自动自然语言

在上面的博客中，他们使用了 20 个新闻组数据集。准备好数据集并按照此处给出的说明进行操作后，将数据集上传到 GCP AutoML 文本分类 GUI 时出现错误。

我还尝试上传一个 csv 文件，其中只有一个似乎也不起作用的数据条目。

每次我尝试上传数据集时，都会出现以下错误

错误代码：4 最后一条错误消息 CSV 文件为空

我想，我似乎遗漏了一些明显的东西。我们已经使用 Google Translation API 有一段时间了，现在我们想“升级”到自定义训练模型而不是默认的 nmt。

我们已经上传了我们的文本，对其进行了训练，现在有了一个模型。在 Google 控制台的预测选项卡中，它运行良好。那么现在怎么办？

这是我们今天使用的代码：

模型在哪里是“nmt”（或“base”）......我应该能够放入训练完成时创建的新训练模型代码吗？当我尝试时，它会返回 400 错误和消息：

尝试此处记录的不同代码：https ://cloud.google.com/translate/docs/quickstart-client-libraries-v3 会产生其他错误，例如：“INFO：无法检测我们是否在 Google Compute Engine 上运行。”

我哪里错了？

AutoKeras 建立在 Keras 框架之上，而 Google automl 则建立在 tensorflow 之上。那么 h2o 在哪个框架上构建？还是白手起家？

我有一个关于 AutoML 翻译的问题。在支持的语言列表中，我们没有找到我们的语言。我们可以添加哈萨克语来创建我们的数据集吗？示例（从俄语到哈萨克语的翻译）

我正在尝试对我创建的 Auto ML Table 模型进行预测。

https://automl.googleapis.com/v1beta1/projects/{{project-id}}/locations/us-central1/models/{{model-id}}:predict使用 CURL 执行此操作没有问题，其中（使用不记名令牌）我将以下数据发布到此路径：

我正在尝试对 PHP 做同样的事情，但无法生成正确的有效负载。

请注意，作为 Table 模型，它需要一个 Row；这里有更多信息：https ://cloud.google.com/vision/automl/docs/reference/rest/v1beta1/projects.locations.models/predict#examplepayload

这是错误：

这是我的代码：

我期待以下回应：

我一直在玩 ML.Net AutoML 并且玩得很开心。我仍然有一些问题，希望有人可以帮助或指导我解决我的一些问题。

问题 1： 我有一个来自 AutoML 的经过训练的二元分类模型。这导致了基于最高准确度的前 5 名算法列表，我最终得到了一个准确率为 89% 的 SdcaLogisticRegressionBinary 二进制分类模型。

现在，当我进行评估时，准确率下降到 84%。这是否意味着原始训练模型被过度拟合了 5%？公平地说，根据评估，我的模型的准确率不是 89%，而是 84%？

问题 2： AutoML 还会在训练期间根据需要删除特征。有没有办法检索包含在最终模型中的实际特征列表，例如确定哪些特征被删除并且没有提高模型的准确性？

当我检查最终模型时，OutputSchema 往往总是包含基于初始训练数据的所有特征。