描述问题
明确所需的数据、目标和结果,并说明预期的评估方式。
从需求描述到最终结果。
构建并评估
生成项目，运行支持的训练或预测工作,并查看独立的评估结果。
保留证据
查看报告和输出文件，然后优化项目或将文件应用到你自己的工作流中。
结果取决于数据和评估设置。量化交易策略构建正在规划中,目前尚不属于可用的输出类型。
从数据到可核查的答案。
定义问题、验证方法，并保留支撑结果的证据。
明确问题
为数据设定明确目的。
告诉 AI 每一行数据代表什么、哪个问题最重要，以及有价值的结果应该是什么样子。项目可以探索模式、对记录进行分类、预测某个值、预测序列或发现群组。其报告会清晰呈现数据集和所用方法。
- 从项目可用的数据以及明确的目标或分析问题入手。
- 检查数据概况：列、缺失值以及相关分布。
- 在评判结果之前，先设定任务和评估指标。
验证结果
将模型与基线进行比较。
对于支持的监督学习任务，平台会在构建器接触训练数据之前预留出留出（holdout）数据。它会运行生成的预测代码，重新计算指标，并在同一数据划分上比较基线模型。请将这一独立结果与训练估计值和验证结果一并查看。
- 将训练估计值与平台重新计算的留出结果区分开来。
- 与基线模型进行比较，并检查是否存在数据泄漏。
- 利用这些发现来改进方法；不保证未来的准确性。
保留证据
阅读报告，审查成果。
交付内容包括可执行的成果和一份说明问题、数据、方法与结果的报告。查看图表、误差分析和局限性，然后使用可用的项目下载功能继续在你自己的工作流程中使用，或在构建对话中请求修订。
- 结合支持性图表和评估结果，查看发现与局限性。
- 结合可用的输出产物检查训练和预测代码。
- 使用复现说明来了解结果是如何产生的。
工作流程
保持成果的连贯性。
描述结果
说明受众、期望的输出和约束条件。在推进之前先完善方向。
审查成果
检查生成的文件、可用的预览以及与输出相关的检查项。
生成下一个版本
请求修改，然后导出或使用该项目所支持的交付流程。
探索接下来的可能。
查看所有构建器
AI 网站构建器
创建落地页、商店和内容网站。描述目标受众和体验，然后审查并完善构建结果。
探索 AI 网站构建器
AI 应用构建器
围绕用户需要完成的任务构建 Web、移动端和桌面应用。预览体验、进行完善，并准备相应的打包方案。
探索 AI 应用构建器
AI 游戏构建器
将游戏创意转化为可玩的项目。塑造规则、角色和世界，然后测试并迭代体验。
探索 AI Game Builder常见问题解答
开始前先厘清一些概念。
我可以构建哪些类型的数据项目？+
数据工作流支持分析、分类、回归、预测和聚类。请描述问题、可用数据以及你想要评估的结果。
我的需求说明中应包含哪些内容？+
说明每一行数据代表什么、你想预测或分析的字段，以及你将如何判断结果是否有用。请包含相关约束条件以及项目可用的数据。
模型结果是如何验证的？+
对于支持的监督学习任务，平台会在构建器接触数据之前预留出留出数据，并重新计算评估结果。它还会与基线进行比较，并检查是否存在数据泄漏。请结合报告查看这些发现。
我会得到什么？+
一个项目可以包括训练和预测代码、报告、评估结果和输出产物。查看生成的文件，并使用可用的下载选项继续处理这些成果。
我可以改进现有结果吗？+
可以。在构建对话中完善目标、说明错误或请求不同的方法。查看新的评估结果，看看这次改动是否有帮助。
良好的评估是否能保证未来的准确性？+
不能。评估结果只反映在所用数据和测试设置下的表现。新数据、条件变化以及与预期用途的差异都可能改变结果。
你想创造什么？
创建一个构建项目，或让专业团队投入到你的下一个任务中。