Tablolar verileri için AutoML ile CV/NLP arasındaki fark nedir?

Tablolar verisi için AutoML, Bilgisayarla Görü (CV) ve Doğal Dil İşleme (NLP) için AutoML'den birkaç önemli açıdan farklıdır:

• Veri türleri ve ön işleme:

  • Tablolar genellikle sayısal, kategorik ve eksik değerler içerir, bu da özel işlemler gerektirir (kategorilerin kodlanması, eksiklerin doldurulması).
  • CV ve NLP sırasıyla görüntüler ve metinlerle çalışır, burada piksellerin işlenmesi, tokenizasyon ve vektörleştirme önemlidir.

• Modeller ve mimariler:

  • Tablolar için sıkça karar ağaçları toplulukları (örneğin, XGBoost, LightGBM), doğrusal modeller ve yoğun katmanlara sahip sinir ağları kullanılır.
  • CV'de konvolüsyonel sinir ağları, NLP'de ise dönüştürücüler ve tekrarlayan ağlar kullanılır.

• Hiperparametreler ve arama:

  • Tablolar verisinde, modellerin parametrelerinin seçimi ve özelliklerin işlenmesine odaklanılır.
  • CV/NLP'de mimarinin, katmanların ve optimizasyon algoritlarının ayarlanması önemlidir.

• Metrikler ve görevler:

  • Tablolar verisi genellikle sınıflandırma ve regresyon görevlerini klasik metriklerle çözer.
  • CV ve NLP, segmentasyon için IoU, çeviri için BLEU gibi özgü metriklere sahip olabilir.

Bu nedenle, tablolara yönelik AutoML, çeşitli özelliklerin verimli işlenmesine ve klasik modellerin seçilmesine odaklanırken, CV/NLP yüksek boyutlu ve yapılandırılmış verilerle çalışmak ve özel sinir ağı mimarileri kullanmak üzere tasarlanmıştır.