Modulo Machine Learning

Ahora puede aplicar un Tipo de regularización a los modelos de regresión lineal y regresión logística para ayudar a administrar el sobreajuste. Puede seleccionar entre los tipos LASSO, Ridge Regression o Elastic Net. La regularización se afina con estos nuevos campos adicionales para ambas etapas:

• Valor de alfa
• Valor de lambda
• Búsqueda de valor óptimo de lambda
• Detener antes
• Cantidad máxima del valor lambda que se debe buscar
• Cantidad máxima de predictores activos

El nuevo Puerto de métricas de modelo de salida le permite adjuntar una etapa de salida de datos para enviar métricas de evaluación de modelo a un archivo de datos. Esta información lo ayudará a comparar muchos modelos generados desde dentro y fuera de Spectrum™ Technology Platform, y a realizar otras tareas de procesamiento de datos en las métricas. De manera alternativa, puede agregar un punto de inspección y ejecutar una inspección en el flujo de datos para ver estas métricas en Enterprise Designer. Este nuevo puerto de salida está disponible para las siguientes etapas:

• K-Means Clustering
• Regresión lineal
• Logistic Regression
• Análisis de componentes principales
• Random Forest Classification
• Regresión de bosques aleatorios

La página Evaluación de modelo en Administración de modelo de aprendizaje automático tiene las siguientes actualizaciones en esta versión:

• Tipo de modelo: campo nuevo para indicar el tipo de modelo que se creó con el flujo de datos.
• Hora de creación: campo nuevo para indicar la fecha y la hora en que se creó el modelo.
• Valor de lambda: Linear Regression y Logistic Regression contienen esta nueva métrica, que controla la cantidad de regularización aplicada.
• K-Means Clustering: las cifras de los tres siguientes campos en la pestaña Resumen de modelo de la página Detalle de modelo ahora provienen de datos de capacitación:
  • Suma de cuadrados dentro del clúster
  • Suma total de cuadrados
  • Suma de cuadrados entre el clúster