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.
AutoGluon-Tabular utilise 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 off-the-shelf boostés 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 limite le surajustement en divisant les données de différentes manières avec un suivi attentif des exemples. out-of-fold
L'algorithme AutoGluon -Tabular 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 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
