Auger.ai安装开始入门

Scadao

Auger.ai安装开始入门





Auger.ai是一个开源的自动化机器学习平台，旨在创建高效的机器学习模型。虽然机器学习可以有一个非常陡峭的学习曲线，但 Auger 的目标是消除那些不是数据工程师的人员的一些复杂性。因此，它是一种工具，对直接营销人员非常有用。

传统的机器学习通常需要运行大量专为手头主题设计的算法的手工测试。更高级的工具侧重于创建框架，这些框架将使用 AI 本身来训练该工具，但是这些框架仍然需要大量编码，即使仅为指定的算法配置正确的参数也是如此。

Auger 在计算下假设机器学习工具的普通用户虽然在技术上有些熟练，但并不详细了解不同算法之间的差异或应该如何优化配置。

Auger 允许用户上传测试数据的 csv 文件，并针对一组内置标准模型对其进行训练。它提供了一个可视化模型管理器，使用户能够查看特定模型的性能，并能够将模型与其他模型进行比较，以便确定哪些模型最准确。

Scadao

数据预处理

用户可以上传测试数据的 csv 文件，而 Auger 将运行一些基本的预处理任务。它自动标识数据类型，并标识有关每个要素（数据库中的字段）的一些基本统计信息，例如范围和唯一值以及分布的图形表示形式。

如果您正在使用营销数据集，则可能会有一些缺少某些数据片段的记录（如地址的一部分）。Auger 将能够快速帮助您解决其中一些问题，并有助于清除高度相关或低方差变量。

这将有助于加快性能，使引擎不需要针对不必要的属性进行测试，并且还会删除可能偏离模型性能并提供误导性结果的异常值。

Auger 提供了一些有用的配置工具，用于训练模型以识别特定类型的数据。下面是一些示例：

　缩　放 – 对于许多常见算法（SVM、k-近邻、支持向量机、逻辑回归等），您可以在训练前缩放要素，通常在 0 到 1 之间
循环功能 – 您可以配置模型来识别，例如，一个月的第 31 天是下个月的第一天之外的一天
分类功能 - 例如，同义词等（M/F，或男/女 - 通常设置为布尔，但可以配置为识别/"未识别"特征）
稀疏功能 – 例如，大量数据设置为空，但不是完全（例如，对直接邮件的响应）
功能交互 - 如果一个要素中的一种数据类型是相关或影响另一种类型的。

Scadao

排行榜

Auger 提供了一个有用的排行榜，允许您查看 Auger 为数据集选取的所有管道，并选择产生最佳结果的模型并立即部署它们。



数据建模

Auger 执行许多标准机器学习任务，如分类和回归。它还使用回归技术处理时间序列分析，以克服平均权重所有先前观测值的趋势。

Auger 提供了一些用于模型加密的最先进的算法，包括：

高级组合选择
超级学习者
深度超级学习者
经典投票和平均方法

模型部署/API

Auger 的一个更有用的方面是，它能够以编程方式运行实验、部署模型管道和生成实时预测。Auger 具有非常简单的 API，即使对于没有经验丰富的 ML 工程师的用户来说，也相对容易使用。

摘要：关键要点

Auger.AI是创建用于机器学习的高级工具的新兴领域中一个强大的新工具。它提供了一种针对测试数据集训练数千个模型的方法，使您能够将它们直接部署到生产终结点。

从直接营销人员的角度来看，Auger 可用于识别客户的性质，并细分客户以提高营销活动绩效。借助足够丰富的数据集，并与一些现有大型模型进行比较，可以获取有关目标市场的信息，从而提高您改进销售流程的能力。

Auger本身仍然有点原始;它是第一代针对业务用户的 AI 工具。如果您是 ML、数据科学或数据分析的初学者，Auger.Ai有助于您更深入地理解机器学习概念。当然针对你的营销工作，这个工具可以是非常有帮助的。

整合方式

当前，只能使用AWS或通过自己的平台来部署Auger。

Wyzoo星评级

对直接营销人员有用的整体功能　3.5 /5

Auger 作为营销人员的 AI 引擎非常有用，因为它能够采用提供的测试数据集，并针对大量现有算法对其进行训练。获得的数据对于使用机器学习帮助确定理想市场的特征是非常宝贵的。它比使用某些现有的 ML 框架编写代码对非技术类型更有用，但它似乎需要相当健壮的机器学习工作原理。它的界面绝对是对完全没有界面的改进。

直观的用户体验 3.5 /5

对于初学者数据科学家：3.0
对于经验丰富的数据科学家：4.0

虽然使用它相当简单（假设您了解您正在尝试做什么），但 Auger 缺少可视化组件，这使得很难查看数据，从而真正了解结果。由于可视化是了解数据的关键，这是此工具的主要弱点。也就是说，它确实具有相当强大的 API，因此理论上它应该能够很好地与其他应用程序配合使用来可视化由 Auger 处理的数据。

主动支持社区　1 /5

Auger.AI似乎比较新。虽然 Command 行接口在 Github 上是公共的，但除了公司中一小群核心开发人员之外，似乎没有太多的活动。截至撰写本文时，找不到任何论坛。

Github:
github.com/deeplearninc/auger-cli