18、超参数调优、MLOps与AutoML技术解析

超参数调优、MLOps与AutoML技术解析

1. AutoML平台操作与特性

AutoML（自动化机器学习）旨在简化机器学习流程，不同平台虽有独特工作流，但起始步骤相似，即激活API并将数据传输至存储库。以下以Azure AutoML和Amazon SageMaker Autopilot为例介绍。

1.1 Azure AutoML操作步骤

• 配置工作区和客户端：

workspace = ""
ml_client = MLClient(credential, subscription_id, resource_group, workspace)

• 获取数据并转换为ML表格格式。
• 使用 automl 模块配置AutoML作业。
• 提交作业进行训练。
• 获取最佳模型。

每个步骤都有多种配置选项，如交叉验证策略类型、评估指标、最大训练时间等。还可选择是否使用自动化特征工程，若要在不同平台和设备运行模型，可配置Azure AutoML仅考虑能转换为ONNX标准的模型。微软提供200美元免费试用，之后可按需选择即用即付模式或购买订阅。

1.2 Amazon SageMaker Autopilot特性

启用Autopilot功能后，SageMaker能自动处理AutoML流程中耗时的部分，包括数据探查、选择合适算法、清理数据等。必要时，会对所有潜在算法进行交叉