2788 views
--- title: AI Maker 案例教學 - 表格式資料機器學習：分類應用 description: OneAI 文件 tags: 案例教學 --- [OneAI 文件](/s/xKNcU3O5D) # AI Maker 案例教學 - 表格式資料機器學習：分類應用 [TOC] ## 0. 前言 在監督式學習中，當預測的目標值為非連續數值 (亦即離散)，稱其為「**分類 (Classification)**」；若目標值為連續數值，則稱為「**迴歸 (Regression)**」。 | 分類 (Classification) | 迴歸 (Regression) | | :------------------: | :--------------: | | ![分類問題](/uploads/GW1CwXh.png) | ![迴歸問題](/uploads/EaZtiab.png) | | 在分類問題中，找到一條能將不同類別資料分開的函數 | 在迴歸問題中，找到一條符合資料分佈的函數 | 在這份範例中，我們將使用「表格式資料」進行分類講解，從無到有逐步建立表格式資料機器學習的應用，其步驟如下： 1. [**準備資料集**](#1-準備資料集並上傳) 在此階段，我們會從 Kaggle 下載資料集，並上傳到指定位置，其中 Kaggle 是目前最大的資料科學競賽平台。 2. [**訓練模型**](#2-訓練分類任務模型) 在此階段，我們將配置相關訓練任務，以進行指定演算法的訓練與擬合，並將訓練好的模型儲存，以供推論服務使用。 3. [**建立推論服務**](#3-建立推論服務) 在此階段，我們將儲存下來的模型，建立該模型的 Web 服務，以執行推論。 4. [**[進階操作] 調整演算法的參數**](#4-進階操作-調整演算法的參數) 在此階段，我們將學習當機器學習結果不符合預期時，如何進一步調整演算法參數。 本教學提供一個名為 **`ml-sklearn-classification`** 的範本，您只需上傳欲訓練的資料集、配置訓練所需的環境變數，即可進行訓練與驗證。 ## 1. 準備資料集並上傳 ### 1.1 資料格式說明 使用 **表格式資料 (tabular data)**，表格式資料是由欄 (Column) 與列 (Row) 所組成的二維資料，並以 **.csv** 作為副檔名，如下表所示。 sample_dataset.csv | | Column 1 | Column 2 | Column 3 | ... | Column 9 | | ----- | -------- | -------- | -------- | --- | -------- | | **Row 1** | A1 | B1 | C1 | | I1 | | **Row 2** | A2 | B2 | C2 | | I2 | | **Row 3** | A2 | B3 | C3 | | I3 | | **...** | | | | | | | **Row 9** | A9 | B9 | C9 | | I9 | 原始表格資料，需拆成 **特徵資料 (檔名：train_x.csv)** 與 **目標值資料 (檔名：train_y.csv)** 才能作為訓練模型的輸入。 - **特徵資料 (檔名：train_x.csv)** 為已知欄位資料，將用於預測目標值資料。 - **目標值資料 (檔名：train_y.csv，只有一欄資料)** 為真實的目標值資料，作為訓練和與預測做對照之用。 :::info :bulb: **提示：分割資料的工具** 一般可以透過試算表軟體快速處理，例如 **Microsoft Excel**、[**Google Sheets**](https://docs.google.com/spreadsheets/)、**LibreOffice Calc** ... 等工具，藉由刪除欄位，再另存新檔，即可完成。 ::: ### 1.2 準備資料 本教學使用 Kaggle 提供的公開資料集：**[企鵝資料 (penguin data)](https://www.kaggle.com/parulpandey/palmer-archipelago-antarctica-penguin-data)** 作為講解範例。為了簡化操作流程，我們選用其中簡化版的資料集 **penguins_size.csv** 進行說明。 - **欄位說明** | 欄位名稱 | 說明 | | ----------------- | ---- | | species | 物種，其值有<br> - Chinstrap (南極企鵝)<br> - Adélie (阿德利企鵝)<br> - Gentoo (巴布亞企鵝) | | culmen_length_mm | 嘴喙長度 (單位毫米) | | culmen_depth_mm | 嘴喙深度 (單位毫米) | | flipper_length_mm | 鰭狀肢長度 (單位毫米) | | body_mass_g | 體重 (單位克) | | island | 所在島嶼，其值有<br> - Dream (德里姆島)<br> - Torgersen (托格森島)<br> - Biscoe (比斯科群島)<br>位於南極洲的 Palmer Archipelago (帕默群島) | | sex | 性別 | - **資料內容 (示範)** | 1 | species | island | culmen_<br>length_mm | culmen_<br>depth_mm | flipper_<br>length_mm | body_<br>mass_g | sex | |-----|-----------|-----------|------------------|-----------------|-------------------|-------------|--------| | 2 | Adelie | Torgersen | 39.1 | 18.7 | 181 | 3750 | MALE | | ... | | | | | | | | | 154 | Chinstrap | Dream | 46.5 | 17.9 | 192 | 3500 | FEMALE | | ... | | | | | | | | | 222 | Gentoo | Biscoe | 46.1 | 13.2 | 211 | 4500 | FEMALE | | ... | | | | | | | | 備註：最左欄的索引為行數，供示範參考，不在資料集裡面。 以分類任務為例，無論是範例資料集或是自定義的資料集，在資料集中會包含兩大類資訊： 1. **特徵 (特徵資料)**： 如嘴喙長度、嘴喙深度、鰭狀肢長度、體重、所在島嶼、性別... 資訊。 2. **分類結果 (目標值資料)**： 如企鵝資料中的物種，Chinstrap (南極企鵝)、Adélie (阿德利企鵝)、Gentoo (巴布亞企鵝)。 請依照下列步驟重新分割資料集，並將資料集轉換成訓練模型所能接收的格式： 1. **訓練集** 與 **測試集** 將 penguins_size.csv 依 80%、20% 比例 (自定義) 分割成 - 訓練集 (train.csv)：用於訓練模型。 - 測試集 (test.csv)：保留部份資料，用於評估模型好壞。 2. **特徵** 與 **分類結果** 再將訓練集與測試集，各自分割成「**特徵**」和「**分類結果**」兩部份。 | | 特徵 | 分類結果 | | ------------- | ----------- | ----------- | | train.csv | train_x.csv| train_y.csv | | test.csv | test_x.csv | test_y.csv | 隨後準備上傳 train_x.csv、train_y.csv、test_x.csv、test_y.csv 這四個檔案。 ### 1.3 建立儲存體 資料備妥後，即可前往「**儲存服務**」服務進行上傳資料集。 1. **進入「**儲存服務**」服務** 從 OneAI 服務列表選擇「**儲存服務**」，進入儲存服務管理頁面。 2. **建立儲存體** 接著點擊「**+建立**」，新增一個名為 **`penguin`** 的儲存體，此儲存體會用來存放訓練用的資料集。 3. **檢視儲存體** 完成儲存體的建立後，重新回到儲存服務管理頁面，此時會看到新增的儲存體已建立完成，點擊建立好的儲存體 **`penguin`**，準備上傳資料集。 ![](/uploads/upload_ce65dc38fa115fb9bf0f2fd769c43b57.png) ### 1.4 上傳資料集 接著上傳企鵝資料集 train_x.csv、train_y.csv、test_x.csv、test_y.csv 四個檔案，上傳完成後結果如下： ![](/uploads/5mdPbUL.png) ## 2. 訓練分類任務模型 完成 [**資料集的上傳**](#1-準備資料集並上傳) 後，就可以使用這些資料來訓練與擬合我們的分類任務模型。 ### 2.1 建立訓練任務 從 OneAI 服務列表選擇「**AI Maker**」，再點擊「**訓練任務**」，進入訓練任務管理頁面後，切換至「**一般訓練任務**」頁籤，接著點擊「**+建立**」，新增一個訓練任務。 ![](/uploads/upload_f26b3ed06845df8740f3c9dc9c6f037a.png) 建立訓練任務可分成五個步驟，詳細的建立說明請參考 [**AI Maker 使用手冊**](/s/QFn7N5R-H)。 #### 2.1.1 基本資訊 第一步是基本資訊的設定，依序輸入名稱、描述、選擇方法，並選擇 **`ml-sklearn-classification`** 範本，此範本會自動帶出公用映像檔 **`ml-sklearn:v2`** 以及後續步驟的各項參數設定。 ![](/uploads/upload_61ffa774b677b0248c8e03793b9ec00e.png) :::info :bulb: **提示：範本功能** AI Maker 提供的範本功能，定義了各階段任務所使用的預設參數與設定。透過範本功能，可以快速套用各項任務所需使用的參數或設定，為機器學習的工作流程與訓練環境提供了便利性。 ::: #### 2.1.2 硬體設定 此範例所使用的機器學習演算法，可使用 CPU 或 GPU 運算資源，請依目前的可用配額與運算需求，從列表中挑選出合適的硬體資源。 #### 2.1.3 儲存設定 此步驟需掛載之前上傳資料集的儲存體 **`penguin`**。 ![](/uploads/upload_e86e3c7923d6f5fe5a9e35608416656f.png) #### 2.1.4 變數設定 接下來進行環境變數及命令的設定，若是在填寫基本資訊，選擇套用 **`ml-sklearn-classification:v2`** 範本，下列變數及設定值會自動帶入，各參數說明如下，可依照需求自行調整。 ![](/uploads/upload_c550b564cdb0d33206ea84981a4e7f3d.png) |參數|預設值|介紹| |---|-----|---| | [DEBUG](#DEBUG) | `false` | 是否啟用更多的日誌 (log)，以便於檢視機器學習在執行中的細節。若要啟用，將值設為 `true`；反之，則將此值設為 `false`。 | | [TASK](#TASK) <sup style="color:red"><b>*</b></sup> | `classification` | 機器學習要處理的任務類型。當機器學習要處理的問題為 **分類問題** 時，將值設為 **`classification`**；若是 **迴歸問題** ，則將此值設為 **`regression`**。<br>| | INPUT_TRAIN_X_FILE_NAME | `train_x.csv` | 要訓練用的特徵資料之檔名。 | | INPUT_TRAIN_Y_FILE_NAME | `train_y.csv` | 要訓練用的分類結果之檔名。 | | <span style="white-space: nowrap">[INPUT_CSV_WITH_HEADER](#INPUT_CSV_WITH_HEADER) <sup style="color:red"><b>*</b></sup></span> | `true` | 要訓練的資料集是否有欄位名稱，若有欄位名稱，將值設為 `true`；反之，則將此值設為 `false`。 | | [MODEL_ALGORITHM](#MODEL_ALGORITHM) <sup style="color:red"><b>*</b></sup> | `RandomForest` | 機器學習所使用的演算法。 | | [MODEL_METRICS](#MODEL_METRICS) | `accuracy`, `balanced_accuracy`, `f1-macro`, `f1-micro` | 用於評估分類模型的多項指標，列舉時請使用 `,`(逗號) 隔開，目前僅限於日誌輸出。 | <sup style="color:red"><b>\*</b></sup> 一般情況下，使用機器學習需注意的參數有 **TASK**、**INPUT_CSV_WITH_HEADER** 及 **MODEL_ALGORITHM**，更多的參數細節，詳述如下： - #### DEBUG 是否啟用更多的日誌 (log)，以便於檢視機器學習在執行中的細節，包括：檔案的輸出入資訊、資料表格的欄位資訊與頭尾資料、資料表格使用記憶體多寡的資訊、特徵處理過程、模型的多個評價指標。 | 值 | 說明 | | -- | -------- | | `true`<br>`1` | 啟用更多日誌 (建議使用) | | 其餘的值 | 關閉日誌 | - #### TASK 機器學習要處理的任務類型。 | 值 | 說明 | | -- | -------- | | `classification` | 機器學習將使用 **分類** 的演算法，參見 [**`MODEL_ALGORITHM`**](#MODEL_ALGORITHM) 說明 | | `regression` | 機器學習將使用 **迴歸** 的演算法，參見 [**`MODEL_ALGORITHM`**](#MODEL_ALGORITHM) 說明 | - #### INPUT_CSV_WITH_HEADER 要訓練的資料集是否有欄位名稱。 | 值 | 說明 | | -- | -------- | | `true`<br>`1` | 表示 csv 檔裡，首列(第一列)為欄位名稱 | | 其餘的值 | 表示 csv 檔裡，首列沒有欄位名稱，直接就是數據 | - #### MODEL_ALGORITHM 機器學習使用的演算法。 | 值 | 支援分類 | 支援迴歸 | 補充說明<br>詳細說明見表格下方說明 | | --------------------- |:--------:|:--------:| -------- | | `Auto` | ✔ | ✔ | 自動化機器學習 (Auto-ML)，能自動 **挑選演算法** 與 **調校超參數** | | `AutoGluon` | ✔ | ✔ | 一種 AutoML 工具，可支援 CPU & GPU | | `AutoSklearn` | ✔ | ✔ | 一種 AutoML 工具，不支援 GPU，但仍可以在 GPU 環境下執行 | | `AdaBoost` | ✔ | ✔ | 自適應增強 | | `ExtraTree` | ✔ | ✔ | 極限隨機樹 | | `DecisionTree` | ✔ | ✔ | 決策樹 | | <span style="white-space: nowrap">`GradientBoosting`</span> | ✔ | ✔ | 梯度提升 | | `KNeighbors` | ✔ | ✔ | k 個最近的鄰居 | | `LightGBM` | ✔ | ✔ | 高效的梯度提升決策樹 | | <span style="white-space: nowrap">`LinearRegression`</span> | ✘ | ✔ | 線性迴歸 | | <span style="white-space: nowrap">`LogisticRegression`</span> | ✔ | ✘ | 羅吉斯迴歸/邏輯斯迴歸 | | `RandomForest` | ✔ | ✔ | 隨機森林 | | `SGD` | ✔ | ✔ | 隨機梯度下降法 | | `SVM` | ✔ | ✔ | 支援向量機 | | `XGBoost` | ✔ | ✔ | 極限梯度提升 | :::spoiler **值設為 `Auto` 時的作用** 當機器學習演算法設為`Auto`時，`ml-sklearn` 映像檔所提供的程式會根據當前的硬體資源有無 GPU 來做選擇： - 若硬體資源有含 GPU 時，會採用 [`AutoGluon`](https://auto.gluon.ai/stable/tutorials/tabular_prediction/index.html) 這一套 AutoML 工具； - 反之，若硬體資源不含 GPU 時，也就是只有 CPU 情況下，則會採用 [`AutoSklearn`](https://automl.github.io/auto-sklearn/master/index.html) 這一套 AutoML 工具。 - 在使用上，使用者亦可以自行選擇要使用 [`AutoGluon`](https://auto.gluon.ai/stable/tutorials/tabular_prediction/index.html) 或是 [`AutoSklearn`](https://automl.github.io/auto-sklearn/master/index.html)。<br><br> ::: :::spoiler **值設為 `AutoGluon` 時的作用** - `ml-sklearn` 映像檔所提供的程式會直接採用 `AutoGluon` 這一套 AutoML 工具。 - `AutoGluon` 在訓練時，預設會將底下的機器學習演算法整合在一起，並產生一個更強大的模型。 | 演算法名稱 | 支援GPU | 文件 | | -------- | ------ | ---- | | CatBoost | ✔ | [查看](https://catboost.ai/) | | ExtraTrees | | [查看](https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.ExtraTreesClassifier.html) | | KNeightbors | | [查看](https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html) | | LightGBM | | [查看](https://lightgbm.readthedocs.io/en/latest/) | | NeuralNetFast | ✔ | [查看](https://docs.fast.ai/tabular.models.html) | | NeuralNetTorch | ✔ | - | | RandomForest | | [查看](https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html) | | XGBoost | ✔ | [查看](https://xgboost.readthedocs.io/en/latest/) | - `AutoGluon` 預設會啟用 GPU 模式。在 GPU 環境下，若演算法有支援 GPU，則會採用 GPU 加速；若不支援 GPU，則使用 CPU 進行運算。若使用者在沒有 GPU 環境下選擇 `AutoGluon`，則會採用 CPU 模式。 - 更多詳細的介紹可參考 [**官方文件**](https://auto.gluon.ai/stable/tutorials/tabular_prediction/index.html)。<br> ::: :::spoiler **值設為 `AutoSklearn` 時的作用** - `ml-sklearn` 映像檔所提供的程式會直接採用 `AutoSklearn` 這一套 AutoML 工具。 - `AutoSklearn` 不支援 GPU，但該工具亦可以在 GPU 環境下執行，只是不會使用到 GPU 資源。 - 更多詳細的介紹可參考 [**官方文件**](https://automl.github.io/auto-sklearn/master/index.html)。 ::: :::spoiler **更多其他機器學習演算法** <span id="footnote_experimental_algorithm_class_list"></span>若使用的機器學習演算法並未出現在上述清單，使用者可從下面清單選取。底下列舉分類模型演算法所能使用的全部**值**(按字母順序排序)： - `AdaBoostClassifier` - `AutoSklearnClassifier` - `AutoGluonClassifier` - `BaggingClassifier` - `BernoulliNB` - `CategoricalNB` - `ComplementNB` - `DummyClassifier` - `ExtraTreeClassifier` - `ExtraTreesClassifier` - `GaussianNB` - `GaussianProcessClassifier` - `GradientBoostingClassifier` - `KNeighborsClassifier` - `LGBMClassifier` - `LinearSVCDecisionTreeClassifier` - `LogisticRegression` - `MLPClassifier` - `MultinomialNB` - `NuSVC` - `PassiveAggressiveClassifier` - `RadiusNeighborsClassifier` - `RandomForestClassifier` - `RidgeClassifier` - `RidgeClassifierCV` - `SGDClassifier` - `SVC` - `XGBClassifier` ::: - #### MODEL_METRICS 用於評估分類模型的多項指標，列舉時請使用 `,`(逗號) 隔開，目前僅限於日誌輸出。若沒有定義此項環境變數，預設評估指標會使用 `accuracy`。 設定範例： - `f1` - `accuracy` - `accuracy, balanced_accuracy` - `f1, f1_micro, f1_macro, f1_weighted` <br> | 值 | 說明 | | -- | -------- | | `accuracy` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#accuracy-score) | | `balanced_accuracy` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#balanced-accuracy-score) | | `top_k_accuracy` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#top-k-accuracy-score) | | `average_precision` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#precision-recall-f-measure-metrics) | | `neg_brier_score` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#brier-score-loss) | | `f1` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#precision-recall-f-measure-metrics) (僅限二元分類) | | `f1_micro` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#precision-recall-f-measure-metrics) | | `f1_macro` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#precision-recall-f-measure-metrics) | | `f1_weighted` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#precision-recall-f-measure-metrics) | | `f1_samples` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#precision-recall-f-measure-metrics) | | `neg_log_loss` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#log-loss) | | `precision` | [使用說明](https://scikit-learn.org/stable/modules/generated/sklearn.metrics.precision_score.html#sklearn.metrics.precision_score) | | `recall` | [使用說明](https://scikit-learn.org/stable/modules/generated/sklearn.metrics.recall_score.html#sklearn.metrics.recall_score) | | `jaccard` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#jaccard-similarity-score) | | `roc_auc` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#roc-metrics)<br>分類結果 (目標值資料) 需為數值型態 | | `roc_auc_ovr` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#roc-metrics) | | `roc_auc_ovo` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#roc-metrics) | | `roc_auc_ovr_weighted` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#roc-metrics) | | `roc_auc_ovo_weighted` | [使用說明](https://scikit-learn.org/stable/modules/model_evaluation.html#roc-metrics) | #### 2.1.5 檢閱 + 建立 最後，確認所設定的資訊無誤後，就可按下「**建立**」。 ### 2.2 啟動訓練任務 完成訓練任務的設定後，回到訓練任務管理頁面，可以看到剛剛建立的任務，點擊該任務，可檢視訓練任務的詳細設定。若此時任務的狀態顯示為 **`Ready`** ，即可點擊 **啟動** 圖示，執行訓練任務。 ![](/uploads/upload_3c7b67988a79a39c077bacbf7e11e5c4.png) ![](/uploads/upload_de7c4b21245fa90ba778c70ede3fce3a.png) 啟動後，點擊上方的「**運行列表**」頁籤，可以在列表中查看該任務的執行狀況與排程。 ![](/uploads/upload_df303f48149fc86db681cc48ce24a5ed.png) 在訓練進行中，可以點擊任務右側選單中的 **查看日誌**、**查看詳細狀態**，查看目前任務執行的詳細資訊。 ![](/uploads/upload_4a40a666578c8a472f4303917e25427c.png) ### 2.3 檢視訓練結果 #### 2.3.1 模型評估分數 當訓練完成後，會出現此任務用的機器學習演算法 **`RandomForest`** 所得到的結果。如果符合預期，可點選「**儲存為模型**」將其儲存至 **模型儲存庫** 中；若無，則重新調整環境變數與超參數的數值或數值範圍。 ![](/uploads/upload_26f59e2c63d9f4ddcfd48f1e066706f9.png) 評估機器學習模型的好壞，可以採用下列方法： 1. 採用未看過的測試集（如：test_x.csv 和 test_y.csv）來評估模型；若是沒有測試集，則可從訓練集（train_x.csv 和 train_y.csv）再抽樣劃分出測試集。 2. 模型的評估指標，以 **環境變數** 中 [**MODEL_METRICS**](#MODEL_METRICS) 設定的指標清單中的第一項作為評估指標，參考下表： | | MODEL_METRICS 設定範例 | 回報的評估指標 | | ---- | ------------------- | ----------- | | 範例1 | **f1** | f1| | 範例2 | **accuracy** | accuracy | | 範例3 | **accuracy**, balanced_accuracy | accuracy | | 範例4 | **f1**, f1_micro, f1_macro, f1_weighted | f1 | | 範例5 | 沒有指定評估指標、或未設定該環境變數 | accuracy | #### 2.3.2 機器學習的執行日誌 點擊任務右側選單中的「**查看日誌**」。 ![](/uploads/upload_e18df3ea78bab3dd4aa340a9475eb6bb.png) 將日誌捲動到最底部，可以取得 **環境變數** 中，[**MODEL_METRICS**](#MODEL_METRICS) 設定的所有評估指標分數。 ![](/uploads/WWUMDmO.png) ### 2.4 嘗試變更不同的演算法，再重新訓練 如果訓練後的模型結果不符合預期，嘗試變更不同的演算法，再重新訓練。 1. 點擊「**配置**」頁籤，回到訓練任務的配置頁面，再點擊命令列上的 **編輯**，修改設定。 ![](/uploads/upload_9cb133de0e30319bd1a2e6dd65a6a8da.png) 2. 將 **環境變數** 中 [**`MODEL_ALGORITHM`**](#MODEL_ALGORITHM) 修改為 **`XGBoost`**，儲存後再重新啟動訓練任務。 ![](/uploads/upload_ecc74306e791f36e0fff9fefebeccb9c.png) 嘗試多種不同的演算法後，接著回到「**運行列表**」頁面，可看到多筆任務的執行結果。 ![](/uploads/upload_1c078b32f72ec0b00fc2d67a1d61e021.png) | ID | [`MODEL_ALGORITHM`](#MODEL_ALGORITHM) | 模型的 accuracy 評估分數 | | ---- | --------------- | ----------- | | 287 | `DecisionTree` | 0.957 | | 286 | `XGBoost` | 1.0 | | 285 | `RandomForest` | 1.0 | ### 2.5 儲存模型 在嘗試不同的演算法後，可以從中挑選符合預期的結果，將其模型儲存至 **模型儲存庫** 中。 ![](/uploads/upload_b94130c1ab830c4281cbcac520e269b0.png) ![](/uploads/xc4lqJi.png) 註：`rf-100` 在此用於表示模型演算法為 `RandomForest`，其 `accuracy` 為 100%。 在這個例子中，可以儲存一個或多個模型。 | ID | [`MODEL_ALGORITHM`](#MODEL_ALGORITHM) | 模型的 accuracy 評估分數 | 模型名稱 | | ---- | --------------------- | ----------- | ------- | | 287 | `DecisionTree` | 0.957 | (捨棄) | | 286 | `XGBoost` | 1.0 | `penguin:xgb-100` | | 285 | `RandomForest` | 1.0 | `penguin:rf-100` | 儲存模型後，前往「**模型管理**」頁面，點選 `penguin` 目錄即可在模型版本列表中找到該模型。 ![](/uploads/YXBwFLX.png) ![](/uploads/YyJbTrn.png) ## 3. 建立推論服務 當您訓練好分類模型，並將適合的模型儲存下來後，接著可藉由 **推論功能** 將模型部署為 Web 服務，以供應用程式或服務執行推論。 ### 3.1 建立推論服務 從 OneAI 服務列表選擇「**AI Maker**」，再點擊「**推論**」，進入推論管理頁面，並按下「**+建立**」，建立一個推論服務。推論服務的建立步驟說明如下： #### 3.1.1 **基本資訊** 與訓練任務的基本資訊的設定相似，我們也是使用 **`ml-sklearn-classification`** 的推論範本，方便快速設定。範本會自動帶入 **來源模型** 的基本設定，不過，所要載入的模型名稱與版號仍須手動設定，如下圖所示。 ![](/uploads/upload_373fe32a1acf1bb8fb6f199fec46355a.png) :::info :bulb: **提示：來源模型資訊** 參考步驟 [**2.5 儲存模型**](#25-儲存模型) 所儲存下來的模型。 | ID | [`MODEL_ALGORITHM`](#MODEL_ALGORITHM) | 模型的 accuracy 評估分數 | 模型名稱 | | ---- | --------------------- | ----------- | ------- | | 286 | `XGBoost` | 1.0 | `penguin:xgb-100` | | 285 | `RandomForest` | 1.0 | ==`penguin:rf-100`== | ::: #### 3.1.2 **硬體設定** 參考目前的可用配額與需求，從列表中選出合適的硬體資源。 #### 3.1.3 **儲存設定** 此步驟無須設定。 #### 3.1.4 變數設定 在變數設定頁面，這些指令與參數，會在套用範本時自動帶入。 ![](/uploads/upload_79ca8fffdc7074cfecdb0b29e139ce98.png) 此推論範本在 **環境變數** 中所設定的參數說明如下： |參數|預設值|介紹| |---|-----|---| | [DEBUG](#DEBUG) | `false` | 是否啟用更多的日誌 (log)，以便於檢視推論服務的日誌。若要啟用，將值設為 `true`；反之，則將此值設為 `false`。 | | <span style="white-space: nowrap">[INPUT_CSV_WITH_HEADER](#INPUT_CSV_WITH_HEADER) <sup style="color:red"><b>*</b></sup></span> | `true` | 要推論的資料集是否有欄位名稱，若有欄位名稱，將值設為 `true`；反之，則將此值設為 `false`。 | <sup style="color:red"><b>\*</b></sup> 一般情況下，使用推論需要注意的參數為 **INPUT_CSV_WITH_HEADER**，更多的參數細節詳述如下： - #### `DEBUG` 是否啟用更多的日誌（log），以便於檢視推論服務的日誌。 | 值 | 說明 | | -- | -------- | | `true`<br>`1` | 啟用更多日誌（建議使用） | | 其餘的值 | 關閉日誌 | - #### `INPUT_CSV_WITH_HEADER` 要推論的資料集是否有欄位名稱。此參數是用來設定推論服務的預設選項，隨後的推論測試就不需要攜帶此參數，即可簡化推論測試所需的指令或程式碼。 | 值 | 說明 | | -- | -------- | | `true`<br>`1` | 表示 csv 檔裡，首列（第一列）為欄位名稱 | | 其餘的值 | 表示 csv 檔裡，首列沒有欄位名稱，直接就是數據 | #### 3.1.5 進階設定：推論監控 推論監控可觀測一段時間內推論服務 API 的呼叫次數及推論結果的統計資訊，本範本設置了兩項監控指標 target 和 statistics，來統計推論結果的類別及數量資訊。 ![](/uploads/upload_36c9e39b09d905a5bf2df91f5d492ac1.png) | 名稱 | 類別 | 類型 ＆ 說明 | |-----|-----|------------| | target | 標籤 | **計數型**<br>在指定的時間區間內，各目標值所累計的總次數。<br>換言之，可看出各類別在一段時間內的分佈狀況。<br>![](/uploads/upload_bd454167d3f528111e2067f118ce73bd.png)| | statistics | 數量 | **計量型**<br>在某個時間點呼叫推論 API 一次，各目標值出現的總次數。<br>換言之，可看出各類別在每次呼叫 API 時的總次數變化。<br>![](/uploads/upload_34856c9234de8b8af053483b39d71c2b.png)<br>(未來的走勢，若無呼叫 API，則會延續過去的值) | #### 3.1.6. **檢閱 + 建立** 最後，確認填寫的資訊，就可按下建立。 ### 3.2 檢視推論服務的狀態與端點 完成推論服務的設定後，回到推論管理頁面可以看到剛剛建立的服務，點擊建立好的推論服務，可查看基本資訊。當服務的狀態顯示為 **`Ready`**，即可以開始連線到推論服務進行推論。 ![](/uploads/upload_78b4a2fac4c7d54fffe342402a438385.png) 也可點擊「**查看日誌**」，若在日誌中有看到以下訊息，表示推論服務已經在運作中。 ![](/uploads/82JUFO3.png) 此處須注意的是日誌中所顯示的網址 http://{ip}:{port} 只是容器的內部網址，並無法從外部存取。由於目前推論服務為了安全性考量沒有開放對外埠服務，但我們可以透過容器服務來跟已經建立好的推論服務溝通，溝通的方式就是靠「**推論詳細資料**」頁面下方 **網路** 區塊所顯示的網址。 :::warning :warning: **請注意：** 文件中的網址僅供參考，您所取得的網址名稱可能會與文件中的不同。 ::: ![](/uploads/upload_2d5679e2bfeb77eed2a0aaf139d6906d.png) :::info :bulb: **提示：推論服務網址** - 為安全性考量，目前推論服務提供的 **網址** 僅能在系統的內部網路中使用，無法透過外部的網際網路存取。 - 若要對外提供此推論服務，需要透過 [**容器服務**](/s/yGbG4JJyi) 轉接到推論服務以提供對外服務。 ::: 若要查看推論監控，可點擊「**監控**」頁籤，即可在監控頁面看到相關資訊，經過一段時間，監控頁面可呈現過去期間內呼叫推論服務 API 的統計資訊。 ![](/uploads/upload_c77c4e734689e764d4ede1c9010f8caa.png) 點選期間選單可篩選特定期間呼叫推論 API 的統計資訊，例如：1 小時、3 小時、6 小時、12 小時、1 天、7 天、14 天、1 個月、3 個月、6 個月、1 年或自訂。 ![](/uploads/upload_e3928f349f85c4a48e28ef61597c056b.png) :::info :bulb: **關於觀測期間的起始與結束時間** 例如當前時間為 15:10，則： - **1 小時** 的範圍是指 15:00 ~ 16:00（並非指過去一小時 14:10 ~ 15:10） - **3 小時** 的範圍是指 13:00 ~ 16:00 - **6 小時** 的範圍是指 10:00 ~ 16:00 - 以此類推 ::: ### 3.3 啟動 JupyterLab JupyterLab 是提供一個基於 Web 的互動式計算環境，使用者可以在該 Web 服務上撰寫程式語言，像是 Python、R 等。以下將說明如何使用系統內建的 **`ml-sklearn:v2`** 映像檔來啟動 JupyterLab 服務。 1. 從服務列表中選擇「**容器服務**」，進入容器服務管理頁面後點擊「**+建立**」。 2. 輸入容器名稱，接著挑選 **`ml-sklearn`** 映像檔。 ![](/uploads/upload_8d0fe9febe98d9f2e75c4261fe286fcb.png) 3. 在硬體設定步驟選擇最基本的硬體資源即可，不用配置 GPU。 4. 在儲存設定步驟設定存放資料集的儲存體及掛載路徑。 ![](/uploads/upload_dae4c007efb670eb0d0a0bfde7a78a2e.png) 5. 為了能順利從外部存取此服務，在網路設定步驟需設定 JupyterLab 服務的連線埠為 `8888`，選擇自動產生對外服務的連線埠，並勾選 **提供網址連結**。 ![](/uploads/upload_1878358adfecb83a1f43305670c63018.png) 6. 在使用 JupyterLab 時，會需要輸入密碼，因此在變數設定步驟，可以使用映像檔中所預設的環境變數 **`PASSWORD`**，設定您的 JupyterLab 密碼。 ![](/uploads/upload_b301e1ba6cfbce78cb22c58a027db7ab.png) 7. 最後，檢視所設定的內容，確認無誤後即可按下「**建立**」。 8. 容器建立成功後會出現在容器服務列表，點擊該列表進入容器的詳細資訊頁面。 9. 點擊網路區塊中 8888 連接埠對應的網址連結，即可開啟 JupyterLab。 ![](/uploads/upload_21fbe577195ea5d5cb4423ecce204fa1.png) 10. 在 JupyterLab 的登入頁面中輸入密碼並按下 **Log in** 即可進入 **Launcher** 頁面。 ![](/uploads/upload_16a2a95fe6db8c59cb4dccde433b67ac.png) ### 3.4 使用 curl 指令，測試推論服務 登入 JupyterLab 後，點擊 **Launcher** 頁面下方的 **Terminal** 圖示可開啟 **終端機（Terminal）**。 ![](/uploads/k7pfy59.png) 在 **終端機（Terminal）** 中輸入 **`curl`** 指令來確認推論服務是否正常啟動。 ```bash # "penguin-i:9999" 為推論服務的網址 $> curl penguin-i:9999 Start Inference API! # or $> curl -X GET penguin-i:9999 Start Inference API! ``` 若服務啟動成功，即可呼叫 `predict` 的 API，來進行推論。 ```bash $> curl -X POST \ penguin-i:9999/predict \ -F file=@/penguin/test_x.csv \ -F INPUT_CSV_WITH_HEADER=true ``` 其中 - **`-X POST`** 表示 HTTP 請求方法為 POST。 - **`-F file=@<資料集在本地端的位置>`** 表示要上傳本地端的資料集檔案到推論服務，以進行推論； 資料集的檔案，可選擇使用 `train_x.csv` 或 `test_x.csv` 作為測試。 - **`-F INPUT_CSV_WITH_HEADER=true`** 表示上傳的資料集中，首列（第一列）有欄位名稱。 （可參考變數設定 [**INPUT_CSV_WITH_HEADER**](#INPUT_CSV_WITH_HEADER) 的說明） 當推論服務收到資料集後便會進行 predict，最終返回資料集的推論結果。 ```json { "y_pred": [ "Adelie", "Adelie", ... "Chinstrap", "Chinstrap", ... "Gentoo", "Gentoo", ... ] } ``` ### 3.5 使用 Python 的 `requests` 模組，測試推論服務 除了使用終端機測試外，亦可以透過 **容器服務** 來啟動 Python 環境或是 Python Notebook 服務，並藉由執行底下的 Python 程式碼來測試推論服務。 點擊 JupyterLab Launcher 頁面上方的 **Notebook > Python 3** 圖示可開啟 **Notebook**。 ![](/uploads/KnqPenD.png) ![](/uploads/upload_8265dbc8daa98673beabc6f1215217e9.png) 使用 **`requests`** 模組來連線測試： ```python= import requests import json # prepare the post body my_data = {'INPUT_CSV_WITH_HEADER': True} # read the local dataset my_files = None with open('/penguin/test_x.csv', 'r') as f: my_files = {'file': f.read()} # send the post request response = requests.post( 'http://penguin-i:9999/predict', data=my_data, files=my_files) # show the response print('status_code:', response.status_code) print('text:', response.text) print('json:', json.loads(response.text)) ``` 執行結果： ``` status_code: 200 text: { "y_pred": [ "Adelie", "Adelie", ... ] } json: {'y_pred': ['Adelie', 'Adelie', ...]} ``` :::spoiler 完整程式碼（包含：發送請求、接受回應、計算評估指標） ```python= import os # install related packages (if needed): os.system('pip install requests') import requests import json # prepare the post body my_data = {'INPUT_CSV_WITH_HEADER': True} # read the local dataset my_files = None with open('/penguin/test_x.csv', 'r') as f: my_files = {'file': f.read()} # send the post request response = requests.post( 'http://penguin-i:9999/predict', data=my_data, files=my_files) # show the response print('status_code:', response.status_code) print('text:', response.text) print('json:', json.loads(response.text)) # --- # calculate the evaluation metric: accuracy # install related packages (if needed): os.system('pip install pandas') os.system('pip install scikit-learn') import pandas from sklearn.metrics import accuracy_score df_y_true = pandas.read_csv( '/penguin/test_y.csv', header=0) y_true = df_y_true.values y_pred = json.loads(response.text)['y_pred'] accuracy = accuracy_score(y_true, y_pred) print('accuracy: %.2f%%' % (accuracy * 100)) ``` ::: ## 4. [進階操作] 調整演算法的參數 :::info :bulb:**提示：** 這一章節為進階操作，若機器學習結果不符合預期時，想要進一步設定或調整演算法參數，可參考此篇說明。 ::: 在 [**2.1.4 變數設定**](#214-變數設定) 章節中，有提及設定機器學習所要使用的 [**演算法 (MODEL_ALGORITHM)**](#MODEL_ALGORITHM)。當演算法的預設參數、或訓練結果，無法滿足實際的需求時，例如： 1. 想花更多時間尋找最適演算法與超參數，需增加演算時間。 2. 迭代次數不夠，模型尚無法擬合定型，需加大迭代次數。 3. 單一演算法中有不同的演算方式，想要選擇不同的演算方式來擬合資料。 4. 以多項式為核心的演算法，可藉由變更冪次（指數部份），來提高模型的複雜度。 5. 更改懲罰程度（罰分）... 等等。 基於需求，可以透過參數調整來滿足實際的需求。此參數調整，亦稱為超參數調整（調校）。 ### 4.1 參數調整方式 在 [**變數設定**](#214-變數設定) 頁面，新增一組或多組鍵值，來變更模型演算法的預設參數。 ### 4.2 參數語法規則 設定演算法參數的規則為：所填寫的 [MODEL_ALGORITHM](#MODEL_ALGORITHM) 值，再加上**參數名稱**和**參數值**。 範本： ``` {MODEL_ALGORITHM}_param_{參數名稱}：{參數值} ``` :::info :pencil: **範例1** - 演算法名稱：`AutoSklearn` - 參數1 - 名稱：`time_left_for_this_task` - 值：`60*5` (執行總時間，限制為 5 分鐘) - 參數2 - 名稱：`per_run_time_limit` - 值：`30` (單次測試時間，限制為 30 秒)<br><br> 套入上述範本後為： ``` AutoSklearn_param_time_left_for_this_task：60*5 AutoSklearn_param_per_run_time_limit：30 ``` 並將其設定到環境變數： ![](/uploads/upload_d33bc84548f8f7d94116b6aed004afae.png) ::: :::info :pencil: **範例2** - 演算法類別：`AutoSklearnClassifier` - 參數1 - 名稱：`time_left_for_this_task` - 值：`60*5` (執行總時間，限制為 5 分鐘) - 參數2 - 名稱：`per_run_time_limit` - 值：`30` (單次測試時間，限制為 30 秒)<br><br> 套入上述範本後為： ``` AutoSklearnClassifier_param_time_left_for_this_task：60*5 AutoSklearnClassifier_param_per_run_time_limit：30 ``` 並將其設定到環境變數： ![](/uploads/upload_8cfa3ea94a5ce510952abcdab7b049b2.png) ::: 以下列出各演算法的**名稱**，及其對應的**類別**與**參數說明**： | 演算法名稱 | 演算法類別 | 參數說明<br>(參數名稱 & 參數值) | | --------------------- | -------- | -------- | | `Auto` | [^註1^](#footnote_auto_algorithm_class) | - | | `AutoSklearn` | AutoSklearnClassifier | [查看參數](https://automl.github.io/auto-sklearn/master/api.html) | | `AutoGluon` | AutoGluonClassifier | 查看參數：[init](https://auto.gluon.ai/0.1.0/api/autogluon.task.html#autogluon.tabular.TabularPredictor), [fit](https://auto.gluon.ai/0.1.0/api/autogluon.task.html#autogluon.tabular.TabularPredictor.fit) [^註2^](#footnote_autogluon_parameters) | | `AdaBoost` | AdaBoostClassifier | [查看參數](https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.AdaBoostClassifier.html) | | `ExtraTree` | ExtraTreeClassifier | [查看參數](https://scikit-learn.org/stable/modules/generated/sklearn.tree.ExtraTreeClassifier.html) | | `DecisionTree` | DecisionTreeClassifier | [查看參數](https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html) | | <span style="white-space: nowrap">`GradientBoosting`</span> | GradientBoostingClassifier | [查看參數](https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.GradientBoostingClassifier.html) | | `KNeighbors` | KNeighborsClassifier | [查看參數](https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html) | | `LightGBM` | LGBMClassifier | [查看參數](https://lightgbm.readthedocs.io/en/latest/pythonapi/lightgbm.LGBMClassifier.html) | | <span style="white-space: nowrap">`LogisticRegression`</span> | LogisticRegression | [查看參數](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) | | `RandomForest` | RandomForestClassifier | [查看參數](https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html) | | `SGD` | SGDClassifier | [查看參數](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.SGDClassifier.html) | | `SVM` | SVC | [查看參數](https://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html) | | `XGBoost` | XGBClassifier | [查看參數](https://xgboost.readthedocs.io/en/latest/python/python_api.html#xgboost.XGBClassifier) | - <span id="footnote_auto_algorithm_class"></span>**註1**：不建議使用，使用者需確實了解 `Auto` 在執行時，是動態綁定到 `AutoSklearnClassifier` 還是 `AutoGluonClassifier`？ - 無 GPU 環境，`Auto` 會綁定到 `AutoSklearnClassifier` - 有 GPU 環境，`Auto` 會綁定到 `AutoGluonClassifier` - <span id="footnote_autogluon_parameters"></span>**註2**：AutoGluon 當前都使用預設參數。 - 若要調整參數，其參數來源有兩個： - 一個來源是 [init 參數](https://auto.gluon.ai/0.1.0/api/autogluon.task.html#autogluon.tabular.TabularPredictor)； - 另一個來源是 [fit 參數](https://auto.gluon.ai/0.1.0/api/autogluon.task.html#autogluon.tabular.TabularPredictor.fit)。 - 若要限制執行總時間，可以這麼做： - 使用演算法名稱 ``` AutoGluon_param_time_limit：60*5 ``` - 明確指定演算法類別 ``` AutoGluonClassifier_param_time_limit：60*5 ``` - <span id="footnote_experimental_algorithm_name"></span>**Q & A**： - **針對不在上述表格中的機器學習演算法要如何設定參數？** 使用不在上述表格中的機器學習演算法，使用者需要明確地指定 `ml-sklearn` 映像檔所提供的 [**演算法類別**](#footnote_experimental_algorithm_class_list)。以所使用的演算法類別作為關鍵字，在 [**scikit-learn 官方文件**](https://scikit-learn.org/stable/modules/classes.html) 中可以找到對應的演算法類別，再點進去即可找到該演算法類別所能使用的參數。<br> 例如，想使用 `MLPClassifier`，在該頁面搜尋關鍵字就可以找到，如下所示： ![](/uploads/upload_492c17a315bddee2c9bbba0c3f247bf6.png) 接著再點進去，就能看到相關參數用法。 ![](/uploads/upload_9974e498ab6ad6c78aae31b7f0200af1.png) ### 4.3 實際範例 實際操作過程，將以第 1 個範例作為主要說明；隨後的範例，將簡單陳述說明。 #### 4.3.1 想花更多時間尋找最適演算法與超參數，需增加演算時間 此章節是針對 [**MODEL_ALGORITHM**](#MODEL_ALGORITHM) 設為 `Auto` 選項時的補充說明。在 **AutoClassifier** 的 [**參數說明**](https://automl.github.io/auto-sklearn/master/api.html) 中，有提及： - **`time_left_for_this_task` (該次任務的總時間)** > 預設時間為 3600 秒 (1小時)，以秒為單位。 > > 搜尋最佳模型的總時間限制。藉由增加該值，AutoClassifier 更有可能找到更好的模型。 - **`per_run_time_limit` (單次執行的時間限制)** > 預設時間為 360 秒 (6分鐘)，以秒為單位。 > > 選定一個模型與一組參數，進行單次測試的時間限制。 > > 有些演算法(如 MLP )在單次測試時，有可能會花費比較久的時間來擬合模型，一旦執行時間超過預設 6 分鐘，此演算法就會被記為失敗，不列入參考模型清單。 何時該調整此參數？ > 透過 [**2.3.2 機器學習的執行日誌**](#232-機器學習的執行日誌) 章節，可了解如何查看日誌。當逾時的演算法比例過高，在不計時間等成本考量之下，可考慮放寬單次執行的時間限制。 > ![](/uploads/r6rYFLs.png) 為了增加演算時間，可以這麼做： | 參數 | 設定值 | 說明 | | --- | ----- | --- | | `AutoClassifier_param_time_left_for_this_task` | `60*60*24` | 以秒為單位。<br>總時間設定為 24 小時，亦可填入 `86400`。 | | `AutoClassifier_param_per_run_time_limit` | `60*30` | 以秒為單位。<br>單次測試時間設定為 30 分鐘，亦可填入 `1800`。 | 在 [**變數設定**](#214-變數設定) 階段的 **環境變數** 表格中，實際填入兩筆鍵值： ![](/uploads/mKtaXwK.png) 隨後啟動的訓練任務，將採用此設定。 :::info :bulb: **提示：更多的設定與配置** 在 [**2.1.2 硬體設定**](#212-硬體設定) 章節中，有提及自身需求的硬體資源。為了發揮所配置到硬體資源，可以這麼做： | 參數 | 設定值 | 說明 | | --- | ----- | --- | | `AutoClassifier_param_n_jobs` | `-1` | 使用所有 CPU 。原預設值為單一核心。 | | `AutoClassifier_param_memory_limit`|`1024*40` |將記憶體上限調高為 40GB，以應付千萬筆的表格數據。| ::: :::warning :warning: **注意事項** 演算法參數的設定，需跟 **`MODEL_ALGORITHM`** 參數一起搭配使用；否則演算法參數的設定將會被忽略。 ::: #### 4.3.2 迭代次數不夠，模型尚無法擬合定型，需加大迭代次數 | 參數 | 設定值 | 說明 | | --- | ----- | --- | | `LogisticRegression_param_max_iter` | `500` | LogisticRegression 的預設值為 100。 | | `SGDClassifier_param_max_iter` | `5000` | SGDClassifier 的預設值為 1000。 | #### 4.3.3 單一演算法中有不同的演算方式，想要選擇不同的演算方式來擬合資料 | LogisticRegression 參數 | 設定值 | 說明 | | ---------------------- | ----- | --- | | `LogisticRegression_param_solver` | `liblinear` | 將 LogisticRegression 的求解方法設為 `liblinear` | | `LogisticRegression_param_solver` | `sag` | 將 LogisticRegression 的求解方法設為 `sag` | | `LogisticRegression_param_solver` | `saga` | 將 LogisticRegression 的求解方法設為 `saga` | | SVC 參數 | 設定值 | 說明 | | ------- | ----- | --- | | `SVC_param_kernel` | `linear` | 將 SVC (SVM) 的核心設為 `linear` | | `SVC_param_kernel` | `poly` | 將 SVC (SVM) 的核心設為 `poly` | | `SVC_param_kernel` | `sigmoid` | 將 SVC (SVM) 的核心設為 `sigmoid` | <br> #### 4.3.4 以多項式為核心的演算法，可藉由變更冪次 (次數、指數部份)，來提高模型的複雜度 針對 SVC 做設定，底下 3 個設定為一組，需一起搭配使用： | SVC 參數 | 設定值 | 說明 | | ------- | ----- | --- | | `MODEL_ALGORITHM` | `SVM` | 使用 SVM 演算法 | | `SVC_param_kernel` | `poly` | 將 SVC (SVM) 的核心設為 `poly` | | `SVC_param_degree` | `5` | 將 [多項式](https://zh.wikipedia.org/wiki/%E5%A4%9A%E9%A0%85%E5%BC%8F) 的冪次，從預設為 3 變更為 5 | #### 4.3.5 更改懲罰程度（罰分） 懲罰 (penalty) 亦稱為正規化項 (regularization term)，一般有 L1、L2、ElasticNet 可以選擇。 | 參數 | 設定值 | 說明 | | --- | ----- | --- | | `SGDClassifier_param_penalty` | `elasticnet` | | | `SVC_param_C` | `2` | 設定懲罰係數，從預設為 `1` 變更為 `2`；`C` 值越高，越不能容忍出現誤差，但可能會過擬合。 | 針對 LogisticRegression 做設定，底下 4 個設定為一組，需一起搭配使用： | LogisticRegression 參數 | 設定值 | 說明 | | ---------------------- | ----- | --- | | `MODEL_ALGORITHM` | `LogisticRegression` | 使用 LogisticRegression 演算法 | | `LogisticRegression_param_solver` | `saga` | 將求解方法設為 `saga` | | `LogisticRegression_param_penalty` | `elasticnet` | 需搭配 `saga` 使用 | | `LogisticRegression_param_l1_ratio` | `0.5` | 需搭配 `elasticnet` 使用 | 若沒有一起使用，訓練任務將會失敗(![](/uploads/HWrFXKm.png)) ，日誌會有底下錯誤訊息： ``` ValueError: Solver lbfgs supports only 'l2' or 'none' penalties, got elasticnet penalty. ``` ``` ValueError: l1_ratio must be between 0 and 1; got (l1_ratio=None) ```