自动化机器学习（AutoML）：快速上手#
本节要点：
- 两类工具：一类是免写代码的网页应用，一类是提供 API 与 CLI 的自动化工具；后者更强大也更灵活，代价是更吃编程与机器学习的功底。
- 工作流大同小异：AutoML 与手工训练的步骤基本一致——问题定义、数据收集、数据准备、模型开发、评估与再训练，区别只在于其中一部分任务被工具接了过去。
- 数据准备仍要你自己做：标注、清洗与格式化、特征变换，这些活儿 AutoML 帮不上全部的忙。
- 无代码工具的建模四步：导入数据、分析数据、打磨数据、配置训练参数，配完就能启动自动训练。
- 训练之后：看特征重要性、看模型架构与超参数、看顶层性能指标；部分系统还顺带支持部署与再训练。
如果你正打算用 AutoML，心里多半会攒着一串问号：它到底是怎么运作的？上手之前又该准备些什么？这一节就把常见的 AutoML 模式再往深挖一层，讲清楚 AutoML 的工作原理，也梳理一下真正动手之前需要做的准备。
AutoML 工具#
先说工具。AutoML 工具大致可以分成两类：
免写代码的工具：通常就是一个网页应用，你在界面上配置、跑实验，它帮你从数据里找出最好的模型，全程不需要写一行代码。
API 与 CLI 工具：提供更高级的自动化能力，代价是需要更多（有时候是多得多）编程与机器学习专业功底。
需要写代码的那一类，能力更强、也更灵活，但用起来的门槛自然也更高。这一讲以无代码方案为主，不过要提醒你一句：如果你确实需要定制化的自动化流程，API 与 CLI 那条路是能帮上忙的。
AutoML 工作流#
接下来我们走一遍典型的机器学习工作流，看看换成 AutoML 之后每一步有什么不同。高层次的步骤和手工训练是一样的，主要区别在于：其中一些任务 AutoML 会替你做掉。
问题定义#
任何机器学习工作流的第一步都是定义问题。用 AutoML 的时候，要先确认你选的工具能撑起这个项目的目标——大多数 AutoML 工具都支持多种监督学习算法和多种输入数据类型。
想再多了解一些关于问题定义的思路，可以看看 Introduction to Machine Learning Problem Framing 这个模块。
数据收集#
在动手用 AutoML 工具之前，你得先把数据收集到一个统一的数据源里。记得翻一下产品文档，确认这个工具支持你的数据源、支持你数据集里的数据类型，也支持你数据集的规模。
数据准备#
数据准备是 AutoML 能帮上忙的地方，但没有任何工具能把所有事情都自动化，所以在把数据导进工具之前，你还是要先干一些活。给 AutoML 准备数据，和你手工训练模型时要做的事是同一套；想知道具体该怎么准备，可以看看处理数值数据与处理类别型数据这两个模块。
具体来说，把数据导进 AutoML 开始训练之前，下面这几件事得先做完：
标注数据：数据集中的每一个样本都要有标签。
清洗并格式化数据：现实世界的数据往往很脏，用之前先清理干净。就算有 AutoML 帮手，你仍然要针对自己的数据集和问题，判断哪种处理方式最好——这可能要花上一些探索的时间，甚至跑上几轮 AutoML，才能拿到理想结果。
做特征变换：有些 AutoML 工具会替你完成一部分特征变换，但如果某个变换它不支持、或者支持得并不好，那你可能得提前自己把它做掉。
模型开发（以无代码 AutoML 为例）#
训练过程中的脏活累活，AutoML 会替你干。但训练启动之前，你得先把这次实验配置好。配一次 AutoML 训练，通常要设定下面这么几个高层步骤：
导入数据：指定数据源。导入的过程中，AutoML 工具会给每一个数据值判定一个语义类型。
分析数据：AutoML 产品一般都会提供分析数据集的工具，训练前、训练后都能用。作为最佳实践，开跑之前先用这些工具把自己的数据看明白、验证一遍。
打磨数据：AutoML 工具往往会提供一些机制，让你在导入之后、训练之前把数据再收拾收拾。下面这几件事，通常值得做一做：
语义类型检查：导入时，AutoML 工具会尽力判断每个特征该是什么语义类型，但这些判断终究只是猜测。你应该把每个特征被指定的类型都过一遍，错了就改过来。比如你的数据库里有一列邮政编码，存成了数字——大多数 AutoML 系统会把它识别成连续数值型，可对邮政编码来说这显然不对，你多半要把这一列的语义类型从连续改成类别型。
特征变换：有些工具允许你在打磨数据的过程中自定义数据变换。数据集里有些特征可能有预测价值，但需要经过某种变换或组合才能体现出来，而这种变换很难让 AutoML 靠自己判断出来，这时就得手工指定。举个例子：你手上有一份房价数据集，要用它预测房子的售价。假设里面有一个表示房源描述的特征
description，你想据此造出一个新特征description_length。有些 AutoML 系统提供了自定义变换的方式，在这个例子中大概会有一个LENGTH函数来生成这个描述长度的特征：LENGTH(description)。
配置 AutoML 运行参数：正式开跑之前的最后一步，是挑几个配置项，告诉工具你希望它怎么训练模型。每个 AutoML 工具的配置项都不太一样，但下面这几项重要配置通常都要你来定：
选定你要解决的机器学习问题类型：比如，这是一个分类问题，还是一个回归问题？
选定数据集中哪一列是标签。
选定用哪一组特征来训练模型。
选定模型搜索时 AutoML 要考虑哪些机器学习算法。
选定 AutoML 用哪一个评估指标来挑出最佳模型。
配置完这次实验，就可以启动训练了。训练可能要花上相当长的时间，通常以小时计。
评估模型#
训练结束后，你可以借助 AutoML 产品提供的各种工具来查看结果，它们能帮你：
通过特征重要性指标，评估你的各个特征。
通过查看模型用到的架构与超参数，理解这个模型本身。
通过训练过程中收集的图表与指标，评估模型的顶层性能。
投产#
投产这一块不在本模块的讨论范围内，不过有些 AutoML 系统能帮你测试模型、部署模型。
重新训练模型#
你可能会需要用新数据重新训练模型——可能是在你评估完这次 AutoML 训练之后，也可能是在模型已经上线跑了一段时间之后。不管是哪种情况，AutoML 系统同样能帮你做重训。跑完一轮 AutoML 之后再回头看看自己的数据，然后用改进过的数据集重训一遍，这种做法并不罕见。
关键术语：
- AutoML
接下来#
恭喜你完成这个模块！
你可以按自己的节奏和兴趣，去探索 MLCC 的各个模块。如果你想按推荐的顺序往下走，接下来建议进入这个模块：公平性模块。