Logo
1.10.1.2

发行说明

  • 变更日志

简介

  • Driverless AI 简介

授权和版本支持

  • Driverless AI 许可证和版本支持

安装和升级

  • Driverless AI 安装和升级

配置

  • 配置与身份验证

数据集

  • Driverless AI 中的数据集

数据洞察

  • 自动可视化

自定义插件

  • 自定义插件管理

特征工程

  • 自动特征工程

建模

  • 在 Driverless AI 中构建模型
    • 启动 Driverless AI
    • Driverless AI 中的遗传算法
    • 开始前
      • Driverless AI 中的抽样
      • 缺失值和隐藏级别的处理
      • Driverless AI 中的插补
      • Driverless AI 转换
      • 内部验证方法
      • Driverless AI 中的集成学习
      • 单调性约束
      • Driverless AI 中的变量重要性
      • 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
      • 提示和技巧
      • 简单配置
    • 实验
    • Driverless AI 中的时间序列
    • Driverless AI 中的 NLP
    • Driverless AI 图像处理
    • Driverless AI 中的无监督算法(实验性)
  • 自动化模型文档 (AutoDoc)

机器学习可解释性

  • 机器学习可解释性

对新数据集进行评分

  • 对另一数据集进行评分

转换数据集

  • 转换另一数据集

评分管道

  • 评分管道

生产化

  • 将 Driverless AI 模型部署到生产

客户端

  • Driverless AI 客户端

监控和日志记录

  • 监控和日志记录

安全性

  • 安全性

常见问题解答

  • 常见问题解答

附录

  • 附录 A:第三方集成

参考资料

  • 参考资料

第三方通知

  • 第三方许可证
Using Driverless AI
  • »
  • 在 Driverless AI 中构建模型 »
  • 开始前
  • Edit on GitHub

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
Next Previous

© 版权所有 2017-2021 H2O.ai. 最后更新于 12月 27, 2021.

Built with Sphinx using a theme provided by Read the Docs.