إنشاء مكون نموذج بايثون

  • مقالة
  • قراءة خلال 3 دقائق

توضح هذه المقالة مكونا في Azure التعلم الآلي مصمم.

تعرف على كيفية استخدام مكون إنشاء نموذج Python لإنشاء نموذج غير مدرب من برنامج نصي Python. يمكنك تأسيس النموذج على أي متعلم مضمن في حزمة Python في بيئة مصمم Azure التعلم الآلي.

بعد إنشاء النموذج، يمكنك استخدام نموذج القطار لتدريب النموذج على مجموعة بيانات، مثل أي متعلم آخر في Azure التعلم الآلي. يمكن تمرير النموذج المدرب إلى نموذج النتيجة لإجراء التنبؤات. يمكنك بعد ذلك حفظ النموذج المدرب ونشر سير عمل التسجيل كخدمة ويب.

تحذير

حاليا، لا يمكن توصيل هذا المكون بمكون Tune Model Hyperparameters أو تمرير النتائج المسجلة لنموذج Python لتقييم النموذج. إذا كنت بحاجة إلى ضبط المعلمات التشعبية أو تقييم نموذج، فيمكنك كتابة برنامج نصي مخصص ل Python باستخدام مكون تنفيذ Python Script .

تكوين المكون

يتطلب استخدام هذا المكون معرفة وسيطة أو خبيرة ببايثون. يدعم المكون استخدام أي متعلم مضمن في حزم Python المثبتة بالفعل في Azure التعلم الآلي. راجع قائمة حزم Python المثبتة مسبقا في تنفيذ برنامج Python النصي.

ملاحظة

يرجى توخي الحذر الشديد عند كتابة البرنامج النصي الخاص بك والتأكد من عدم وجود خطأ في بناء الجملة ، مثل استخدام كائن غير معلن عنه أو مكون غير مستورد.

ملاحظة

انتبه أيضا إلى قائمة المكونات المثبتة مسبقا في تنفيذ Python Script. استيراد المكونات المثبتة مسبقا فقط. يرجى عدم تثبيت حزم إضافية مثل "pip install xgboost" في هذا البرنامج النصي ، وإلا سيتم رفع الأخطاء عند قراءة النماذج في المكونات النهائية.

توضح هذه المقالة كيفية استخدام إنشاء نموذج بايثون مع خط أنابيب بسيط. فيما يلي رسم تخطيطي لخط الأنابيب:

Diagram of Create Python Model

  1. حدد إنشاء نموذج بايثون، وقم بتحرير البرنامج النصي لتنفيذ عملية النمذجة أو إدارة البيانات. يمكنك تأسيس النموذج على أي متعلم مضمن في حزمة Python في بيئة Azure التعلم الآلي.

ملاحظة

يرجى إيلاء المزيد من الاهتمام للتعليقات الموجودة في نموذج التعليمات البرمجية للبرنامج النصي والتأكد من أن البرنامج النصي الخاص بك يتبع المتطلبات بدقة ، بما في ذلك اسم الفئة والأساليب وكذلك توقيع الطريقة. سيؤدي الانتهاك إلى استثناءات. يدعم إنشاء نموذج Python فقط إنشاء نموذج قائم على sklearn ليتم تدريبه باستخدام نموذج القطار.

يستخدم نموذج التعليمات البرمجية التالي لمصنف Naive Bayes المكون من فئتين حزمة sklearn الشائعة:


# The script MUST define a class named AzureMLModel.
# This class MUST at least define the following three methods:
    # __init__: in which self.model must be assigned,
    # train: which trains self.model, the two input arguments must be pandas DataFrame,
    # predict: which generates prediction result, the input argument and the prediction result MUST be pandas DataFrame.
# The signatures (method names and argument names) of all these methods MUST be exactly the same as the following example.

# Please do not install extra packages such as "pip install xgboost" in this script,
# otherwise errors will be raised when reading models in down-stream components.

import pandas as pd
from sklearn.naive_bayes import GaussianNB


class AzureMLModel:
    def __init__(self):
        self.model = GaussianNB()
        self.feature_column_names = list()

    def train(self, df_train, df_label):
        # self.feature_column_names records the column names used for training.
        # It is recommended to set this attribute before training so that the
        # feature columns used in predict and train methods have the same names.
        self.feature_column_names = df_train.columns.tolist()
        self.model.fit(df_train, df_label)

    def predict(self, df):
        # The feature columns used for prediction MUST have the same names as the ones for training.
        # The name of score column ("Scored Labels" in this case) MUST be different from any other columns in input data.
        return pd.DataFrame(
            {'Scored Labels': self.model.predict(df[self.feature_column_names]), 
             'probabilities': self.model.predict_proba(df[self.feature_column_names])[:, 1]}
        )

  1. الاتصال مكون إنشاء نموذج بايثون الذي قمت بإنشائه للتو لتدريب النموذج ونموذجالنتيجة.

  2. إذا كنت بحاجة إلى تقييم النموذج، فأضف مكون تنفيذ برنامج Python النصي وقم بتحرير البرنامج النصي ل Python .

    البرنامج النصي التالي هو نموذج التعليمات البرمجية للتقييم:

    

# The script MUST contain a function named azureml_main
# which is the entry point for this component.

# imports up here can be used to 
import pandas as pd

# The entry point function MUST have two input arguments:
#   Param<dataframe1>: a pandas.DataFrame
#   Param<dataframe2>: a pandas.DataFrame
def azureml_main(dataframe1 = None, dataframe2 = None):

    from sklearn.metrics import accuracy_score, precision_score, recall_score, roc_auc_score, roc_curve
    import pandas as pd
    import numpy as np

    scores = dataframe1.ix[:, ("income", "Scored Labels", "probabilities")]
    ytrue = np.array([0 if val == '<=50K' else 1 for val in scores["income"]])
    ypred = np.array([0 if val == '<=50K' else 1 for val in scores["Scored Labels"]])    
    probabilities = scores["probabilities"]

    accuracy, precision, recall, auc = \
    accuracy_score(ytrue, ypred),\
    precision_score(ytrue, ypred),\
    recall_score(ytrue, ypred),\
    roc_auc_score(ytrue, probabilities)

    metrics = pd.DataFrame();
    metrics["Metric"] = ["Accuracy", "Precision", "Recall", "AUC"];
    metrics["Value"] = [accuracy, precision, recall, auc]

    return metrics,

الخطوات التالية

راجع مجموعة المكونات المتوفرة ل Azure التعلم الآلي.