回归任务

回归任务基于输入特征与目标变量之间的关系，使用机器学习算法来预测连续的数值数据。常见的应用案例包括房价预测、天气预报和股票价格预测。通过训练模型，回归分析可以帮助识别趋势和模式，从而提供精确的数值预测。

数据准备

示例使用了红葡萄酒质量数据集 winequality-red(winequality-red.csv)。该数据集来自 UCI 机器学习库，可用于回归任务。winequality-red数据集一共有 1599 个样本，12 个特征。其中 11 个为红酒的理化性质，quality 列为红酒的品质（10 分制），具体信息如下：

创建回归任务

1. 选择回归任务

2. 选择集群以及训练数据

• 选择集群以及数据库中的数据表
  AutoML 任务中只能选择 ML 类型的集群。

• 选择训练目标
  该示例中选择 quality 作为训练目标，除目标列之外至少需要选择一列才可以训练

  

• 选择具体的训练列

• 数据为空时的填充方式
  默认为自动填充，选择 常量 填充时需要给定具体的填充值

3. 设置训练指标、训练模型以及超时时间
   实验超过设置的超时时间后会自动结束

4. 其他选项
   时间列用于划分训练、验证以及测试数据，可以不设置

5. 训练
   点击 新增并训练 开始训练

训练过程会生成可执行的 worksheet

训练记录

• 训练完成后会在实验中生成若干条记录

• 在数据挖掘笔记本中查看训练数据分析，包含数据统计信息等

• 记录所有实验中效果最好的模型

• 实验会记录训练过程中的警告

评估