已完成的实验

“已完成的实验”操作

在实验状态从“运行”更改为“完成”后，UI 将向您提供几项可执行的操作：

Experiment Complete menu

  • 部署（本地和云） ：请参阅 将 Driverless AI 模型部署到生产.

  • 解释此模型：请参阅 解释模型.（不支持用于映像或多类别时间序列实验。）

  • 对新数据集进行模型诊断 ：请参阅 模型在另一个数据集上的性能.

  • 模型操作 下拉列表：

    • 预测 ：请参阅 对另一数据集进行评分.

    • 转换数据集 ：请参阅 转换另一数据集.（不适用于时间序列实验。）

    • Shapley 值 下拉列表：下载原始或转换特征的 Shapley values 。Driverless AI 调用 XGBoost 和 LightGBM SHAP 函数获取 转换特征 的贡献值。原始特征 的 Shapley 通过（使用朴素方法）平均拆分贡献特征中的贡献值根据转换特征进行近似计算得出。相关详细信息，请参见 Shapley values 。选择 快速近似 以便仅使用集成中所有可用折叠和模型中的其中一个折叠和模型进行 Shapley 预测。更多关于快速近似选项的信息，请参阅 fast_approx_num_trees 和 fast_approx_do_one_fold_one_model config.toml settings.

      • 原始特征（快速近似）

      • 原始特征

      • 转换特征（快速近似）

      • 转换特征

    • 导出 ：导出实验。更多信息，请参见 导出和导入实验.

  • 下载预测结果 ：对于 回归 实验，输出包括含下限和上限的预测结果。对于 分类 实验，输出包括每个类的 概率 和使用 threshold_scorer 创建的 标签 。对于二元问题，F1 为默认 threshold_scorer，因此，如果提供了验证集，则使用验证集上最大 F1 的阈值创建标签，或者如果执行交叉验证，则使用内部验证折叠上最大 F1 阈值的平均值创建标签。对于多类问题，使用 argmax 创建标签。

    • 训练（保持）预测结果 ：以 CSV 格式提供，未 提供验证集时可用。

    • 验证集预测结果 ：以 CSV 格式提供，提供了验证集时可用。

    • 测试集预测结果 ：以 CSV 格式提供，使用测试数据集时可用。

  • 下载 Python 评分管道：用于 H2O Driverless AI 的可独立运行的 Python 评分管道。请参阅 Driverless AI 独立 Python 评分管道.

  • 下载 MOJO 评分管道：独立的优化模型对象评分管道。请参阅 MOJO 评分管道. （不适用于 TensorFlow 或 RuleFit 模型。）

  • 可视化评分管道（实验性）：打开实验管道可视化页面。请参阅 评分管道的可视化.

  • 下载摘要和日志：包含以下文件的 zip 文件。更多信息，请参阅 `实验摘要<experiment-summary.html>`__ 一节。

    • 实验日志（常规和匿名）

    • 实验摘要

    • 实验特征及其相对重要性

    • 集成信息

    • 实验预览

    • 自动生成的实验报告（word 版）

    • 目标转换调优排行榜

    • 调优排行榜

  • 下载 AutoDoc ：自动生成的实验报告的 Word 版本。此文件还可在实验摘要 zip 文件中找到。请注意，此选项不适用于已弃用的模型。更多信息，请参见 使用 AutoDoc.

请注意：如果启动 Driverless AI 时启用了工件，则上述 “下载” 选项（AutoDoc 除外）将显示为 “导出” 选项。更多信息，请参阅 导出工件.

实验见解和评分

在运行实验时，UI 会向您提供查看模型见解（适用于时间序列实验）和模型评分的选项。更多信息，请参阅 模型见解 和 模型评分 .

Scores link