配置引擎

本页面简要介绍了配置引擎背后的概念。

支持的超参数来源

在配置引擎时,您可以选择 用于创建模型的超参数。以下是 支持:

  • 自动调优:在您创建 EngineConfig 资源时,AML AI 会调优超参数(默认行为)
  • 继承:从同一调优版本中使用较低引擎版本创建的先前引擎配置继承超参数。此设置可让您避免在每次采用新模型引擎时都进行重新调优 版本。

何时进行调整或继承

以下部分概述了何时应选择自动调参以及何时 应继承先前的引擎配置中的超参数。

何时进行调整

您可以选择对每项新引擎配置进行调参,如有疑问, 应始终进行调整以获得最佳效果。查看章节 如需了解详情,请参阅如何调整引擎

为了获得最佳效果,您应该考虑在以下任一时间 会发生以下情况:

  • 您对数据集逻辑进行了重大更改。例如,当任何 以下更改:
    • 用于填充字段的逻辑
    • 选择填充的推荐字段
    • PartySupplementaryData 表中提供的数据的逻辑或选择
  • 您即将让引擎为新区域训练模型。

何时继承超参数

为了在采用新引擎版本时节省时间和费用,您可以使用相同的调优版本继承旧引擎中的超参数。请参阅如何在不重新调整的情况下采用引擎版本部分。

调参版本为 v003 的引擎版本,以及之前发布的引擎版本 2024 年 2 月 22 日,不支持超参数继承,但这些版本 可以用作超参数的来源。

如何调整引擎

如需触发调参,请参阅创建和管理引擎配置

具体而言,您需要选择以下选项:

引擎调参输出

引擎调整会生成 EngineConfig 资源,该资源可用于 创建模型资源

引擎配置元数据包含以下指标。具体来说, 这些指标会向您显示以下信息:

  • 与使用默认引擎调优相比,通过引擎调优预计可以实现的效果提升 超参数

  • 可用于评估数据集一致性的衡量指标(例如,通过比较不同操作中地图项族的缺失值)

指标名称 指标说明 指标值示例
ExpectedRecallPreTuning 使用 引擎版本的默认超参数

此召回率衡量假设每月调查次数 在 partyInvestigationsPerPeriodHint 中指定。

{
  "recallValues": [
    {
      "partyInvestigationsPerPeriod": 5000,
      "recallValue": 0.72,
      "scoreThreshold": 0.42,
    },
  ],
}
ExpectedRecallPostTuning 使用 经过调整的超参数

此召回率衡量假定 partyInvestigationsPerPeriodHint 中指定了每月的调查数量。

{
  "recallValues": [
    {
      "partyInvestigationsPerPeriod": 5000,
      "recallValue": 0.80,
      "scoreThreshold": 0.43,
    },
  ],
}
缺失

每个特征族中所有特征的缺失值所占的比例。

理想情况下,所有 AML AI 功能系列都应具有 缺失值接近于 0。如果这些功能族的基础数据无法集成,则可能会出现例外情况。

如果在调优、训练、评估和预测期间,任何特征族的此值发生显著变化,则可能表明所用数据集不一致。

{
  "featureFamilies": [
    {
      "featureFamily": "unusual_wire_credit_activity",
      "missingnessValue": 0.00,
    },
    ...
    ...
    {
      "featureFamily": "party_supplementary_data_id_3",
      "missingnessValue": 0.45,
    },
  ],
}

如何在不重新调整的情况下采用引擎版本

如需重复使用先前引擎配置中的超参数,请参阅本节 创建继承超参数的引擎配置(在 创建和管理引擎配置页面)。具体而言,您需要选择以下选项:

继承时的输出和沿袭

从其他引擎版本继承超参数会创建一个 EngineConfig 资源,可用于创建模型资源(使用 来自来源引擎配置中的超参数。

对于谱系,从其他引擎配置继承超参数时,EngineConfig 资源中的以下字段会按如下方式设置:

  • hyperparameterSourceTypeINHERITED
  • hyperparameterSource:用作超参数来源的引擎配置
  • tuning:原始 tuning 对象,包括对用于原始引擎调优的数据集的引用 (primaryDataset),以及最近一次使用数据生成用于训练的特征的时间 (endTime)
  • performanceTarget:原始 performanceTarget 对象,包括 根据指定模型预计的调查量 (partyInvestigationsPerPeriodHint)
  • 原始引擎调优中的引擎配置元数据