借助 平台，整个 流程都实现了自动化，从初始数据预处理到模型选择和评估。这些自动化工具使流程尽可能简单，大大提高了可访问性。
如果没有 平台，机器学习过程的每一步都需要手动输入，这意味着它只能由具有专业知识的人来执行。 手动 环境此外，还可以采用一系列流程来改进工作流程。
的一个缺点是可用的控 德国手机号码数据 制和自定义级别。由于 注重可访问性，因此它减少了可能令人困惑的可用选项的数量。因此，这种控制的缺乏可能无法为经验丰富的工程师和数据科学家提供使模型更加定制化、复杂化和性能更好的选项。
储蓄
旨在节省时间和人力资源，加快某些繁琐的任务。这大大缩短了构建 管道的时间，在处理大型数据集或需要快速周转时非常适用。
或者，如果由能够定制模型以实现最佳性能并微调数据输入的专家构建手动 ，则可能会产生更好的最终产品。
何时使用
可以 提高机器学习性能 在很多方面，但具有专业知识和多年经验的工程师可能会发现自动化流程有些局限性。因此，了解何时使用手动技术而不是自动化解决方案非常重要。
让我们看看何时使用 ：
结构化数据： 适用于使用结构化数据的项目，其行和列经过组织，且已预先格式化，可与 工具配合使用。无论某些数据是否缺失，这些工具都会处理结构化数据的插补。此外， 工具还会对任何分类变量进行编码并对数值变量进行规范化。