AutoML Tables de extremo a extremo es una solución para la clasificación y regresión que te permite elegir qué controlar y qué automatizar.
De forma predeterminada, Vertex AI busca el conjunto óptimo de hiperparámetros de entrenamiento. Estos hiperparámetros incluyen el tipo y los parámetros del modelo. Luego, entrena múltiples modelos con múltiples conjuntos de hiperparámetros y crea un solo modelo final a partir de un ensamble de los modelos principales.
De forma predeterminada, Vertex AI elige una opción conservadora de hardware (mejor para conjuntos de datos más pequeños).
Hay tres opciones para personalizar este flujo de trabajo:
- Omitir la búsqueda de arquitectura
- Anular el espacio de la búsqueda
- Configurar el hardware
Omite la búsqueda de arquitectura
Con esta opción habilitada, proporciona el conjunto completo de hiperparámetros (N conjuntos de hiperparámetros para los N modelos principales). Por lo general, estos hiperparámetros son un artefacto de una búsqueda anterior en la arquitectura.
Anula el espacio de la búsqueda
Con esta opción habilitada, debes proporcionar valores fijos para un subconjunto de hiperparámetros. Vertex AI busca los valores óptimos de los hiperparámetros restantes no fijos. Esta es una buena opción si tienes preferencia por el tipo de modelo. Aquí, el tipo de modelo es redes neuronales o árboles mejorados.
Configura el hardware
Con esta opción habilitada, puedes configurar los tipos de máquinas y la cantidad de máquinas para entrenamiento. Esta es una buena opción si tienes un conjunto de datos grande y deseas optimizar el hardware de la máquina según corresponda.