Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Comment AutoGluon-Tabular fonctionne
AutoGluon-Tabular exécute des méthodes avancées de traitement des données, d'apprentissage en profondeur et d'ensembles de modèles multicouches. L'algorithme reconnaît automatiquement le type de données dans chaque colonne pour un prétraitement robuste des données, y compris un traitement spécial des champs de texte.
AutoGluon s'adapte à différents modèles allant des arbres boostés prêts à l'emploi aux réseaux neuronaux personnalisés. Ces modèles sont regroupés d'une manière innovante : les modèles sont empilés en plusieurs couches et entraînés au niveau de chaque couche, ce qui garantit que les données brutes peuvent être traduites en prédictions de haute qualité dans un délai donné. Ce processus réduit le surajustement des données en divisant ces dernières de diverses manières grâce à un suivi attentif des exemples non conformes.
L' AutoGluon-Tabular algorithme fonctionne bien dans les compétitions d'apprentissage automatique en raison de sa gestion robuste d'une variété de types de données, de relations et de distributions. Vous pouvez l'utiliser AutoGluon-Tabular pour les problèmes de régression, de classification (binaire et multiclasse) et de classement.
Reportez-vous au diagramme suivant illustrant le fonctionnement de la stratégie d'empilage multicouche.
Pour plus d'informations, voir AutoGluon-Tabular: AutoML robuste et précis pour les données structurées
