HeatWave AutoML 的特性

集成式机器学习 (ML)

Oracle HeatWave AutoML 免费为用户提供在 HeatWave 中构建、训练和解释机器学习模型所需的一切资源。借助 HeatWave 中的集成式 ML，您无需将数据迁移到单独的 ML 服务。您可以使用 Oracle HeatWave AutoML，轻松、安全地将机器学习训练、推理和解释应用于存储在 MySQL Database 和对象存储中的数据。如此一来，您就可以加速推进机器学习计划、增强安全性并降低成本。

自动化机器学习生命周期

HeatWave AutoML 能够推动机器学习生命周期自动化，包括算法选择、面向模型训练的智能数据采样、特征选择和超参数优化，为数据分析师和数据科学家节省大量时间和精力。您还可以对算法选择、特征选择和超参数优化等机器学习管道选项进行自定义。HeatWave AutoML 支持异常检测、预测、分类、回归和推荐系统任务，包括在文本列中。用户可以针对无监督异常检测的结果进行反馈，并使用这些带标签的数据来帮助改进后续预测。

个性化推荐系统

推荐系统是其中一种广受欢迎的机器学习应用。HeatWave AutoML 推荐系统可以基于隐式反馈（如购买历史和浏览行为）和显式反馈（如评分、点赞）来生成个性化推荐方案。分析人员可以预测用户可能会喜欢的商品、特定商品能够吸引的用户以及某个商品的评分。还可以根据某个用户，获取相似用户的列表；或根据特定的产品，获取相似产品的列表。

交互式 HeatWave AutoML 控制台

交互式控制台支持业务分析师在一个可视界面中轻松构建、训练、运行和解释 ML 模型，无需掌握 SQL 命令或编程。此外，它还能简化“假设”(what-if) 场景，帮助企业评估业务假设，例如“追加 30% 的付费社交媒体广告投资将对收入和利润产生哪些影响？”

可解释的机器学习模型

经 HeatWave AutoML 训练的所有模型都可解释。HeatWave AutoML 有助于提供预测并解释结果，在合规性、公平性、可重复性、因果关系和信任方面为企业提供强大支持。

主题建模

主题建模可协助用户了解文档中的关键主题（例如完成社交媒体数据的情感分析），从而发现大型文本数据集中的洞察。

数据偏差检测

数据偏差检测通过检测用于训练的数据与新接收的数据之间的差异，帮助分析师确定何时需要重新训练模型。

运用现有的技能

借助 HeatWave AutoML，开发人员、数据分析师和数据科学家不必学习新的工具和语言，可以使用熟悉的 SQL 命令构建机器学习模型。此外，HeatWave AutoML 还与 Jupyter 和 Apache Zeppelin 等主流记事本相集成。