开始前

• Driverless AI 中的抽样
  • 数据抽样
  • 不平衡模型抽样方法
• 缺失值和隐藏级别的处理
  • 算法在训练过程中如何处理缺失值？
  • 算法在评分（生产）过程中如何处理缺失值？
  • 在训练过程中尝试对隐藏的分类级别进行预测时，会发生什么？
  • 如果响应中有缺失值，会发生什么？
• Driverless AI 中的插补
  • 启用插补
  • 运行启用了插补的实验
• Driverless AI 转换
  • 可用的转换器
  • 转换特征命名规则
  • 示例转换
• 内部验证方法
• Driverless AI 中的集成学习
  • 集成方法
  • 集成级别
• 单调性约束
• Driverless AI 中的变量重要性
  • 全局特征重要性
  • 局部特征重要性
• Driverless AI 中的宽数据集
• Driverless AI 中的 GPU
• Driverless AI 中的实验队列
• 时间序列最佳实践
  • 准备数据
  • 实验设置
  • 通过 MLI 解释模型
  • 评分
  • 其他方法
• 提示和技巧
  • 关于管道的提示
  • 关于时间序列的提示
  • 关于评分器的提示
  • 关于旋钮设置的提示
  • 关于运行实验的提示
  • 关于专家设置的建议
  • 关于设置检查点的提示
  • 关于文本数据的提示
• 简单配置
  • 获取快速最终模型：没有遗传算法，没有集成
  • 通过遗传算法使用原始特征
  • 使用您选择的算法和参数构建模型
  • 禁用泄漏检查、移位检测、mojo 创建和集成