如何调整 Azure AutoML 中的特征重要性
How to adjust feature importance in Azure AutoML
我希望有一些使用 Azure AutoML 的低代码模型，这实际上只是转到 AutoML 选项卡，运行 对我的数据集进行分类实验，完成后，我部署了最佳选择模型。
这个模型有点管用（意思是，我发布了端点，然后我做了一些手动验证，看起来很准确），但是，我不够自信，因为当我查看解释时，我可以看到类似这个：
4 个最重要的特征并不是很重要。最“重要”的实际上不是我喜欢使用的那个。我希望它能更多地使用 Title 功能。
有没有这样的东西我可以调整个别特征的重要性，比如在开始实验之前对所有特征进行排名？
我很想多读书，但我只找到了这个：
Increase feature importance
唯一的答案似乎是关于如何衡量一个特征是否重要。
因此，这是否意味着，如果我想自定义实验，例如选择要“关注”的功能，我应该学习如何使用 Azure ML 中的“设计器”部分？或者这是我做不到的事情，即使是设计师。我想我的困惑是，ML 是一个如此大的话题，我正在寻找一个学习方向，在这种情况下，我所拥有的，这样我就可以改进我当前的模型。
这是link功能定制文档。
使用 SDK，您可以在 AutoMLConfig object. Learn more about enabling featurization.
中指定“美化”：'auto' / 'off' / 'FeaturizationConfig'
自动 ML 尝试不同的 ML 模型，这些模型具有不同的设置来控制过度拟合。自动化 ML 将根据从保留数据中获得的最佳分数（例如准确性）来选择最佳的过拟合参数配置。这些模型的过度拟合设置包括：
- 在 ML 模型正在优化的损失函数中明确惩罚过于复杂的模型
- 训练前限制模型的复杂性，例如通过限制集成树学习模型（例如梯度提升树或随机森林）中树的大小
https://docs.microsoft.com/en-us/azure/machine-learning/concept-manage-ml-pitfalls
我希望有一些使用 Azure AutoML 的低代码模型，这实际上只是转到 AutoML 选项卡，运行 对我的数据集进行分类实验，完成后，我部署了最佳选择模型。
这个模型有点管用（意思是，我发布了端点，然后我做了一些手动验证，看起来很准确），但是，我不够自信，因为当我查看解释时，我可以看到类似这个：
4 个最重要的特征并不是很重要。最“重要”的实际上不是我喜欢使用的那个。我希望它能更多地使用 Title 功能。
有没有这样的东西我可以调整个别特征的重要性，比如在开始实验之前对所有特征进行排名？
我很想多读书，但我只找到了这个：
Increase feature importance
唯一的答案似乎是关于如何衡量一个特征是否重要。
因此，这是否意味着，如果我想自定义实验，例如选择要“关注”的功能，我应该学习如何使用 Azure ML 中的“设计器”部分？或者这是我做不到的事情，即使是设计师。我想我的困惑是，ML 是一个如此大的话题，我正在寻找一个学习方向，在这种情况下，我所拥有的，这样我就可以改进我当前的模型。
这是link功能定制文档。
使用 SDK，您可以在 AutoMLConfig object. Learn more about enabling featurization.
中指定“美化”：'auto' / 'off' / 'FeaturizationConfig'自动 ML 尝试不同的 ML 模型，这些模型具有不同的设置来控制过度拟合。自动化 ML 将根据从保留数据中获得的最佳分数（例如准确性）来选择最佳的过拟合参数配置。这些模型的过度拟合设置包括：
- 在 ML 模型正在优化的损失函数中明确惩罚过于复杂的模型
- 训练前限制模型的复杂性，例如通过限制集成树学习模型（例如梯度提升树或随机森林）中树的大小
https://docs.microsoft.com/en-us/azure/machine-learning/concept-manage-ml-pitfalls