H2O-3 알고리즘을 사용한 Driverless AI

Driverless AI는 이미 다양한 algorithms 를 지원합니다. 본 예제에서는 h2o-3-models-py 레시피를 사용하여 실험에 H2O-3 지도 학습 알고리즘을 포함하는 방법을 보여줍니다. 레시피에서 이용 가능한 H2O-3 알고리즘은 다음과 같습니다.

  • 나이브 베이즈 분류

  • GBM

  • Random Forest

  • 딥 러닝

  • GLM

  • AutoML

Caution: 여기서 AutoML은 일반 ML 알고리즘으로 취급되기 때문에 런타임 요구 사항이 클 수도 있습니다. https://github.com/h2oai/driverlessai-recipes/blob/rel-1.9.0/models/algorithms/h2o-3-models.py#L45 에서 제안한 것처럼 max_runtime_secs 매개변수 조정을 권장합니다.

  1. 검증(선택 사항) 및 테스트 데이터 세트와 함께 훈련 데이터 세트를 선택한 후, 대상 열을 지정하고 Driverless AI에서 실험을 시작하십시오. 실험 요약의 Feature evolution 섹션에서 사용될 알고리즘 목록을 확인하십시오. 아래 예에서 실험은 LightGBM 및 XGBoostGBM을 사용합니다.

  2. Expert Settings 를 클릭하십시오.

  3. 다음 방법 중 하나를 사용하여 사용자 정의 레시피를 지정하십시오.

  • 로컬 머신에서 driverlessai-recipes repository 를 복제한 후 Upload Custom Recipe 버튼을 사용하여 driverlessai-recipes/models/h2o-3-models.py 파일을 업로드하십시오.

  • Load Custom Recipe from URL 버튼을 클릭한 후, Python 파일에 대한 URL을 입력하십시오(해당 파일의 HTML 및 원시 버전 모두 지원됩니다).

Note: Official Recipes (Open Source) 버튼을 클릭하여 driverlessai-recipes 리포지터리를 찾아보십시오.

Driverless AI가 새로운 사용자 정의 레시피를 업로드하고 확인을 시작합니다.

  1. 상세 설정 페이지에서 추가 설정을 지정한 후, Save 를 클릭하십시오. 이를 통해 실험 요약으로 돌아갑니다.

  2. 실험에 각각의 새로운 모델을 포함하기 위해서는 상세 설정 옵션으로 돌아가십시오. Recipes > Include Specific Models 옵션을 클릭하십시오. 포함하고자 하는 알고리즘을 선택하십시오. Done 을 클릭하여 실험 요약으로 돌아가십시오.

실험에서 사용 가능한 알고리즘의 업데이트된 목록을 확인하십시오.

  1. 추가 실험 설정을 편집한 후, Launch Experiment 를 클릭하십시오.

완료 시, 실험 요약을 다운로드하고 report.docx 파일의 모델 튜닝 섹션의 검토를 통해 각각의 알고리즘이 어떻게 비교되는지 확인할 수 있습니다.

Expert Settings example