Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Cómo funciona AutoGluon-Tabular
AutoGluon-Tabular utiliza métodos avanzados de procesamiento de datos, aprendizaje profundo y conjunto de modelos multicapa. Reconoce automáticamente el tipo de datos de cada columna, lo que permite hacer un preprocesamiento potente de los datos; esto incluye una gestión especial de los campos de texto.
AutoGluon se adapta a varios modelos, desde árboles aumentados y listos para usar hasta redes neuronales personalizadas. Estos modelos se agrupan de una manera novedosa: los modelos se apilan en varias capas y se entrenan por capas, lo que garantiza que los datos sin procesar puedan traducirse en predicciones de alta calidad en un plazo determinado. Este proceso mitiga el sobreajuste al dividir los datos de varias formas y realizar un seguimiento cuidadoso de ejemplos “fuera de partición”.
El algoritmo AutoGluon-Tabular funciona bien en competiciones de machine learning por su potente gestión de distintos tipos de datos, relaciones y distribuciones. Puede usar AutoGluon-Tabular para problemas de regresión, clasificación (binaria y multiclase) y ranking.
Consulte el siguiente diagrama, donde verá el funcionamiento de la estrategia de apilamiento multicapa.
Para obtener más información, consulte AutoGluon-Tabular: Robust and Accurate AutoML for Structured Data
