انجام پروژه یادگیری ماشین خودکار در بیگ پرو1

“دیگر نیازی به آزمایش دستی صدها یا حتی هزاران ترکیب ابر پارامتر برای یافتن بهترین مدل نیست.”

پیدا کردن و استفاده از ابزار‌های مناسب برای انجام یادگیری اتوماتیک خود به تنهایی حائز اهمیت است. ابزار انجام یادگیری خودکار بیگ پرو1، یکی از ابزار‌های قوی و پر کاربرد در یادگیری ماشین می‌باشد. بخش یادگیری خودکار در بیگ پرو1 به گونه‌ای طراحی شده است که به ساده‌ترین شکل ممکن، بدون تنظیم هیچگونه پارامتری، و تنها با مشخص کردن ستون هدف در مجموعه داده ها به صورت کاملا خودکار، بهترین الگوریتم را انتخاب کرده و پس از انجام پردازش‌ها، نتایج و مشخصات مدل را به کاربر نمایش می‌دهد. از یادگیری خودکار در بیگ پرو1 می‌توان برای حل مسائل Classification، Regression استفاده کرد.

در بیگ پرو1 الگوریتم‌های با نظارت زیر در یادگیری ماشین خودکار مورد بررسی و استفاده قرار می‌گیرند:

الگوریتم های طبقه بندی(Classification):

Adaboost NB, Bernoulli-nb, Decision Tree, Extre Trees, Gaussian NB, Gradient Boosting, K Nearest Neighbors, LDA, Liblinear SVC, Libsvm SVC, MLP, Multinomial, Passive Aggressive, QDA, Random Forest, SGD

الگوریتم های رگرسیون(Regression):

Adaboost NB, Ard Regression, Extre Trees, Gaussian Process, Gradient Boosting, K Nearest Neighbors, Liblinear SVC, Libsvm SVC, MLP, Random Forest, SGD

این الگوریتم‌ها به صورت اتوماتیک با بهترین پارامترهای ممکن فراخوانی و اجرا می‌شوند و به صورت همزمان مورد ارزیابی و مقایسه قرار می‌گیرند.

هرکدام از الگوریتم‌ها که بهترین خروجی به همراه بهترین نتیجه را به دست آورد به عنوان خروجی یادگیری ماشین خودکار انتخاب و به همراه پارامترهای استفاده شده به کاربر اعلام می‌گردد.

همان گونه که بیان شد، در بیگ پرو1 کاربر تنها با تنظیم کردن داده‌های اولیه و سپردن مراحل به ابزار یادگیری خودکار، به راحتی و بدون نیاز به مهارت خاصی در زمینه یادگیری ماشین، به خروجی‌های مورد انتظار خود دست خواهد یافت.