开源技术 * IBM 微讲堂:Kubeflow 系列(观看回放 | 下载讲义) 了解详情

使用 AutoAI 为管道模型生成 Python Notebook

摘要

本 Code Pattern 介绍了如何使用 AutoAI 自动生成包含机器学习模型 Python 代码的 Jupyter Notebook。然后,在使用 Watson Machine Learning API 将模型部署到 IBM Watson® Machine Learning 中之前,使用 Python 探索、修改和重新训练模型管道。

概览

AutoAI 是 IBM Watson Studio 中提供的图形工具,用于分析数据集,生成多个模型管道,并根据为问题选择的指标进行排名。本 Code Pattern 展示了 AutoAI 的扩展功能。生成机器学习模型管道,为问题选择最佳模型教程中介绍了针对同一数据集的更多 AutoAI 基本探索功能。

完成本 Code Pattern 后,您将掌握如何:

  • 运行一个 AutoAI 实验
  • 生成并保存 Python Notebook
  • 执行该 Notebook 并分析结果
  • 使用 Watson Machine Learning SDK 进行更改并重新训练模型
  • 在 Notebook 中使用 Watson Machine Learning 部署模型

流程

流程

  1. 用户使用缺省设置提交一个 AutoAI 实验。
  2. 生成多个管道模型。依据排名选择一个管道模型并另存为 Jupyter Notebook。
  3. 执行 Jupyter Notebook,并在 Notebook 中生成修改后的管道模型。
  4. 使用 Watson Machine Learning API 将管道模型部署到 Watson Machine Learning 中。

操作说明

可在 readme 文件中获取详细的操作说明。这些操作说明解释了如何:

  1. 运行一个 AutoAI 实验。
  2. 保存 AutoAI 生成的 Notebook。
  3. 加载并执行该 Notebook。
  4. 使用 Watson Machine Learning 实例,将其作为 Web 服务来部署并评分。

本文翻译自:Generate a Python notebook for pipeline models using AutoAI(2020-09-30)