表格预测任务支持AutoML和专家两种运行方式：

• AutoML模式：全流程自动建模，用户只需设置数据集、目标列以及制定任务类型即可，而无需关注数据处理以及算法配置等过程，系统会自动完成建模过程，并从中挑选最优的模型作为训练任务的运行结果。
• 专家模式：高度开放的建模方式，用户可以进行特征工程、算法、超参搜索等配置，具备相关技能的开发者可以在方式下获得更多的开发自由度。

创建AutoML建模任务

操作场景

以iris数据集为例，创建多分类模型，iris数据集示例如下：

sepal_length,sepal_width,petal_length,petal_width,species

5.1,3.5,1.4,0.2,setosa

4.9,3.0,1.4,0.2,setosa

4.7,3.2,1.3,0.2,setosa

4.6,3.1,1.5,0.2,setosa

前提条件

在创建表格预测任务前，需满足如下条件：

• 必须已成功创建“表格”类数据，数据集导入状态为“已完成”
• 数据集中行数必须大于0，即必须是非空数据集

操作步骤

1. 在BML操作台的左侧导航菜单上单击“脚本调参”，进入脚本调参列表页面。

2. 单击已创建的“iris分类”所在行的“新建任务”，进入“新建任务”页面。

   配置参数如下所示：

   • 基本信息

     • 开发方式：选择AutoML模式
     • 任务备注：请根据实际情况填写

   • 添加数据

     • 选择数据集：选择已创建的iris数据集
     • 选择目标列：设置为species
     • 算法类型：可以设置为“自动”或“多分类”

   • 发布模型

     • 自动发布-开：即完成训练后，系统会自动将当前任务得到的模型发布到模型仓库中
     • 自动发布-关：完成训练后，用户可以根据模型精度等再决定是否将模型发布到模型仓库

   • 配置资源

     • 运行环境：请根据数据量以及期望的运行速度进行设置。根据经验值，在建模过程中，数据会在内存中膨胀为原始大小的10倍，为保证任务顺利完成，请尽量确保配置的资源的内存不小于原始数据集的10倍。
     • 选择节点数：如果设置为1，则系统以单机算法进行建模，如果设置为大于1的值，则系统将使用分布式算法。单机算法比分布式算法更丰富。在单机资源满足要求的情况下，可优先使用单节点进行建模。
     • 最长训练时间：该时长指算法求解阶段的最长时长，若超过该时长，算法仍未得到结果，系统会强制结束训练任务。

   配置示例如下所示：

   • 基本信息部分：

     • 

   • 添加数据部分：

     • 

3. 单击“提交训练任务”，开始执行模型训练。

   提交任务后可以在任务列表中查看任务的执行状态。