ML Training Workflow 技能 (機器學習訓練流程)
描述
使用 AutoML MCP 工具進行機器學習模型訓練的完整流程。
觸發條件
- •「訓練模型」「train model」
- •「用 {dataset} 預測 {target}」
- •「AutoML」「機器學習」
🎯 訓練流程總覽
code
┌─────────────────────────────────────────────────────────────────────┐ │ ML Training Workflow │ ├─────────────────────────────────────────────────────────────────────┤ │ │ │ [1] 資料準備 → upload_dataset / register_dataset │ │ ↓ │ │ [2] 提交訓練 → submit_automl_job / quick_train │ │ ↓ │ │ [3] 監控進度 → get_job_status / wait_for_job │ │ ↓ │ │ [4] 取得結果 → get_model_leaderboard / get_job_result │ │ ↓ │ │ [5] 使用模型 → predict │ │ │ └─────────────────────────────────────────────────────────────────────┘
📋 Step 1: 資料準備
1.1 列出可用資料
python
# 列出本地檔案
mcp_automl_list_available_files(
directory="/data/sample_data"
)
1.2 上傳/註冊資料集
方式 A：本地檔案上傳（推薦）
python
mcp_automl_upload_dataset(
name="my_titanic",
source_type="local",
source_path="/data/sample_data/titanic.csv",
storage_mode="permanent", # permanent: 永久存到 MinIO
user_id="eric"
)
# 返回: dataset_id
方式 B：從 MinIO 註冊
python
mcp_automl_register_dataset(
name="my_dataset",
minio_path="datasets/my_data.csv",
user_id="eric"
)
1.3 分析資料集特性
python
mcp_automl_analyze_dataset(
dataset_id="dataset-xxx"
)
📋 Step 2: 提交訓練工作
2.1 完整 AutoML 訓練（推薦）
python
result = mcp_automl_submit_automl_job(
dataset_id="dataset-xxx",
target_column="survived",
problem_type="binary", # binary, multiclass, regression
time_limit=300, # 秒，預設 300
presets="medium_quality", # best_quality, high_quality, medium_quality, optimize_for_deployment
user_id="eric"
)
job_id = result["job_id"]
presets 選擇指南：
| Preset | 訓練時間 | 準確度 | 適用場景 |
|---|---|---|---|
best_quality | 最長 | 最高 | 競賽、論文 |
high_quality | 長 | 高 | 生產環境 |
medium_quality | 中等 | 中等 | 開發測試 |
optimize_for_deployment | 短 | 中等 | 部署優先 |
2.2 快速訓練（一鍵完成）
python
# 簡化版：自動等待完成
result = mcp_automl_quick_train(
csv_path="/data/sample_data/titanic.csv",
target_column="survived",
user_id="eric"
)
# 直接返回 model_id 和結果
2.3 指定特定演算法
python
# 列出可用演算法
mcp_automl_list_algorithms()
# 返回: GBM, CAT, XGB, RF, XT, KNN, LR, NN_TORCH, FASTAI
# 指定演算法訓練
mcp_automl_submit_specific_job(
dataset_id="dataset-xxx",
target_column="survived",
algorithms=["XGB", "RF", "GBM"],
user_id="eric"
)
2.4 比較多個演算法
python
mcp_automl_submit_compare_job(
dataset_id="dataset-xxx",
target_column="survived",
algorithms=["XGB", "GBM", "RF", "NN_TORCH"],
user_id="eric"
)
📋 Step 3: 監控訓練進度
3.1 查詢工作狀態
python
mcp_automl_get_job_status(
job_id="job-xxx",
user_id="eric"
)
狀態說明：
| 狀態 | 說明 |
|---|---|
pending | 等待中 |
running | 訓練中 |
completed | 完成 |
failed | 失敗 |
3.2 等待訓練完成
python
# 同步等待（會阻塞直到完成）
result = mcp_automl_wait_for_job(
job_id="job-xxx",
timeout=600, # 最長等待秒數
user_id="eric"
)
3.3 列出所有工作
python
mcp_automl_list_jobs(
user_id="eric"
)
3.4 取消工作
python
mcp_automl_cancel_job(
job_id="job-xxx",
user_id="eric"
)
📋 Step 4: 取得訓練結果
4.1 取得模型排行榜
python
mcp_automl_get_model_leaderboard(
model_id="model-xxx"
)
輸出範例：
json
{
"leaderboard": [
{"model": "WeightedEnsemble_L2", "score_val": 0.87},
{"model": "XGBoost", "score_val": 0.85},
{"model": "LightGBM", "score_val": 0.84}
],
"best_model": "WeightedEnsemble_L2",
"metrics": {
"accuracy": 0.82,
"roc_auc": 0.87,
"f1": 0.79
}
}
4.2 取得訓練摘要
python
mcp_automl_get_training_summary(
model_id="model-xxx"
)
4.3 列出所有模型
python
mcp_automl_list_models(
user_id="eric"
)
📋 Step 5: 使用模型預測
5.1 使用已訓練模型預測
python
mcp_automl_predict(
model_id="model-xxx",
dataset_id="new-data-xxx", # 新資料集
user_id="eric"
)
或直接用 CSV 路徑：
python
mcp_automl_predict(
model_id="model-xxx",
csv_path="/data/projects/my_project/new_data.csv",
user_id="eric"
)
🎯 完整範例
範例 1：Titanic 二元分類
code
User: "用 titanic.csv 預測 survived"
Agent 執行：
1. 列出檔案確認存在
mcp_automl_list_available_files(directory="/data/sample_data")
2. 上傳資料集
mcp_automl_upload_dataset(
name="titanic_train",
source_type="local",
source_path="/data/sample_data/titanic.csv",
storage_mode="permanent",
user_id="eric"
)
→ dataset_id: "dataset-abc123"
3. 提交訓練
mcp_automl_submit_automl_job(
dataset_id="dataset-abc123",
target_column="survived",
problem_type="binary",
time_limit=300,
presets="medium_quality",
user_id="eric"
)
→ job_id: "job-xyz789"
4. 等待完成
mcp_automl_wait_for_job(
job_id="job-xyz789",
user_id="eric"
)
→ model_id: "model-def456"
5. 取得結果
mcp_automl_get_model_leaderboard(model_id="model-def456")
回報使用者：
"✅ 訓練完成！
最佳模型：WeightedEnsemble_L2
準確率：82%
AUC-ROC：0.87
排行榜：
1. WeightedEnsemble_L2 (0.87)
2. XGBoost (0.85)
3. LightGBM (0.84)"
範例 2：快速訓練
code
User: "快速訓練一個模型，用 iris.csv 預測 species"
Agent 執行：
mcp_automl_quick_train(
csv_path="/data/sample_data/iris.csv",
target_column="species",
user_id="eric"
)
回報使用者：
"✅ 快速訓練完成！
最佳模型：{model_name}
準確率：{accuracy}%"
範例 3：比較演算法
code
User: "比較 XGBoost、LightGBM、Random Forest 在 heart_disease 上的表現"
Agent 執行：
1. mcp_automl_upload_dataset(
name="heart_disease",
source_path="/data/sample_data/heart_disease.csv",
...
)
2. mcp_automl_submit_compare_job(
dataset_id="...",
target_column="target",
algorithms=["XGB", "GBM", "RF"],
user_id="eric"
)
3. mcp_automl_wait_for_job(...)
4. mcp_automl_get_model_leaderboard(...)
回報使用者：
"📊 演算法比較結果：
| 演算法 | AUC | 準確率 |
|--------|-----|--------|
| XGBoost | 0.89 | 85% |
| LightGBM | 0.88 | 84% |
| Random Forest | 0.86 | 83% |
建議使用 XGBoost 作為最終模型。"
📊 可用演算法
| 代碼 | 演算法 | 說明 |
|---|---|---|
| GBM | LightGBM | 梯度提升（快速） |
| CAT | CatBoost | 類別特徵友好 |
| XGB | XGBoost | 梯度提升（經典） |
| RF | Random Forest | 隨機森林 |
| XT | Extra Trees | 極端隨機樹 |
| KNN | K-Nearest Neighbors | K 近鄰 |
| LR | Linear Model | 線性模型 |
| NN_TORCH | Neural Network | PyTorch 神經網路 |
| FASTAI | FastAI NN | FastAI 神經網路 |
⚠️ 常見錯誤
1. 未等待訓練完成
python
# ❌ 錯誤：提交後直接取結果 submit_automl_job(...) get_model_leaderboard(...) # 會失敗！ # ✅ 正確：等待完成 job = submit_automl_job(...) wait_for_job(job["job_id"]) # 等待 get_model_leaderboard(...) # 成功
2. 目標欄位名稱錯誤
python
# 先確認欄位名稱 mcp_automl_get_column_info(csv_path="...") # 再使用正確名稱
3. 忘記 user_id
python
# 大多數操作都需要 user_id submit_automl_job(..., user_id="eric")