产品功能

数据处理

1. 数据导入

   目前版本支持从图数据库GDB导入数据、从文件中导入（包括从CSV文件或压缩包文件）、从数据库SQL表导入。未来还将支持直接从阿里云对象存储服务OSS中导入数据或借助DataWorks工具进行各种格式的数据导入。

2. 数据解析

   GDB Automl将导入和上传的数据进行自动解析，您可以自动配置解析数据源和解析器（支持CSV、ARFF、XLS、ORC等多种数据格式的解析），解析后可查看数据的样本量，并查看样本特征摘要，解析特征分布情况。

3. 数据切分

   支持按照自定义比例对数据帧进行拆分，可以快捷划分训练集、验证集和测试集。GDB Automl将随机对数据按照比例进行切分，得到拆分后的数据帧文件。

模型训练

1. 运行自动机器学习

   GDB Automl提供运行自动机器学习功能，您可以配置实验基本参数（包括训练数据帧、验证数据帧和目标特征列，用于排行榜对模型排序的第一指标等）和训练参数（例如K折交叉验证折数，指定训练权重列、排序指标、训练时忽略的特征列、模型停止的条件等）。配置好参数后单击建立模型，可以自动地进行模型训练，调参优化的过程。运行结束后会生成模型的排行榜数据，可以查看模型的详细参数和训练验证指标。

2. 单个模型训练

   当您希望采用特定模型对导入数据进行训练时，可以选择单个模型，设置更具体的模型参数进行该模型的自动训练和优化。当前版本支持的机器学习模型包括：聚合器（Aggregator）、 Cox风险比例回归模型（CoxPH）、深度学习（DeepLearning）、分布式随机森林（DRF）、梯度提升模型（GBM）、广义线性模型（GLM）、广义低阶模型（GLRM）、孤立森林（IF）、K均值聚类（K-means）、朴素贝叶斯模型（Naive Bayes）、主成分分析（PCA）、规则拟合（RuleFit）、集成学习（Stacked Ensemble）、目标编码器（TargetEncoder）和词向量模型（Word2Vec）等多种经典机器学习和深度学习模型。您同样可以对选择的模型进行实验基本参数和训练参数的设置，并建立模型进行自动训练过程。

数据预测

模型训练结束后，您可以进行预测分析过程，使用模型在测试数据上进行评估。从训练产生的模型列表中选择一个模型，并选择用于预测的数据帧，执行预测过程，GDB Automl将自动对测试数据进行处理，执行预测任务。执行结束后可以查看测试数据集的各个指标效果，混淆矩阵以及其他统计数据等。

导出部署

GDB Automl支持将训练产生的模型生成POJO（Java原生对象）离线部署和Python在线服务调用两种方式。您可以直接下载模型POJO对象文件到本地，进行离线部署分析或者通过Python调用在线服务。更多信息，请参见POJO部署预测和Python部署预测。