用途
该技能用于自动化创建机器学习流水线，依托 automl-pipeline-builder 插件，简化机器学习模型的构建、训练与评估过程，自动完成特征工程、模型选择与超参数调优。当用户请求创建自动化机器学习流水线时触发。
主要能力
- 分析需求：分析用户请求，识别具体的机器学习任务与数据需求。
- 生成代码：基于分析结果，生成使用相应库构建 AutoML 流水线所需的代码。
- 落实最佳实践：在生成的代码中融入数据校验、错误处理与性能优化技术。
- 提供洞察：执行后提供性能指标、洞察以及所创建流水线的文档。
使用方式
该技能在以下情况激活：需要构建自动化机器学习流水线；需要自动化模型选择与超参数调优过程；需要为完整的 AutoML 工作流生成代码。
示例
示例 1：创建分类流水线 用户请求：“Build an AutoML pipeline for classifying customer churn.” 该技能将：生成加载与预处理客户数据的代码；创建可自动选择并调优分类模型的 AutoML 流水线。
示例 2：优化回归模型 用户请求：“Create an automated ml pipeline to predict house prices.” 该技能将：生成使用 AutoML 技术构建回归模型的代码；自动选择表现最佳的模型并提供性能指标。
适用场景
适用于需要快速搭建自动化机器学习流程的场景，如客户流失分类、房价预测等分类与回归任务。该技能可与其他数据处理和可视化插件集成，构建端到端的机器学习工作流；也可与部署插件配合，自动化部署已训练的模型。
最佳实践
- 数据准备：确保数据干净、格式正确且与机器学习任务相关。
- 性能监控：持续监控 AutoML 流水线的性能，并按需重新训练模型。
- 错误处理：实现健壮的错误处理，以优雅应对流水线执行期间的意外问题。
限制
资料未提供该技能具体支持的编程语言、机器学习库、运行平台、收费方式、价格或使用限制等信息。