Co je Tvůrce modelů a jak funguje?

ML.NET Model Builder je intuitivní grafické rozšíření sady Visual Studio pro sestavování, trénování a nasazování vlastních modelů strojového učení. Využívá automatizované strojové učení (AutoML) k prozkoumání různých algoritmů a nastavení strojového učení, které vám pomůže najít ten, který nejlépe vyhovuje vašemu scénáři.

K používání Tvůrce modelů nepotřebujete odborné znalosti strojového učení. Potřebujete jen nějaká data a problém, který je potřeba vyřešit. Tvůrce modelů vygeneruje kód pro přidání modelu do aplikace .NET.

Vytvoření projektu Tvůrce modelů

Když poprvé spustíte Tvůrce modelů, požádá vás o pojmenování projektu a pak v projektu vytvoří mbconfig konfigurační soubor. Soubor mbconfig sleduje všechno, co v Tvůrci modelů děláte, abyste mohli znovu otevřít relaci.

Po trénování se vygenerují tři soubory v souboru *.mbconfig:

• Model.consumption.cs: Tento soubor obsahuje schémata ModelInputPredict a ModelOutput také funkci vygenerovanou pro využívání modelu.
• Model.training.cs: Tento soubor obsahuje trénovací kanál (transformace dat, algoritmus, hyperparametry algoritmů) zvolený Tvůrcem modelů k trénování modelu. Tento kanál můžete použít k opětovnému trénování modelu.
• Model.zip: Jedná se o serializovaný soubor ZIP, který představuje trénovaný ML.NET model.

Při vytváření mbconfig souboru se zobrazí výzva k zadání názvu. Tento název se použije u souborů spotřeby, trénování a modelu. V tomto případě se používá název Model.

Scénář

Do Tvůrce modelů můžete přinést mnoho různých scénářů a vygenerovat model strojového učení pro vaši aplikaci.

Scénář je popis typu předpovědi, kterou chcete použít. Příklad:

• Predikce objemu prodeje budoucích produktů na základě historických prodejních dat
• Klasifikovat mínění jako pozitivní nebo negativní na základě hodnocení zákazníků.
• Zjistěte, jestli je bankovní transakce podvodná.
• Nasměrujte problémy se zpětnou vazbou zákazníků na správný tým ve vaší společnosti.

Každý scénář se mapuje na jinou úlohu strojového učení, která zahrnuje:

Úloha	Scénář
Binární klasifikace	Klasifikace dat
Klasifikace s více třídami	Klasifikace dat
Klasifikace obrázku	Klasifikace obrázku
Klasifikace textu	Klasifikace textu
Regrese	Predikce hodnot
Doporučení	Doporučení
Prognostika	Prognostika

Například scénář klasifikace mínění jako pozitivní nebo negativní by spadal pod úlohu binární klasifikace.

Další informace o různých úlohách ML podporovaných ML.NET naleznete v tématu Úlohy strojového učení v ML.NET.

Který scénář strojového učení je pro mě správný?

V Tvůrci modelů je potřeba vybrat scénář. Typ scénáře závisí na tom, jaký typ předpovědi se pokoušíte provést.

Tabelární

Klasifikace dat

Klasifikace se používá ke kategorizaci dat do kategorií.

Ukázkový vstup

Ukázkový výstup

SepalLength	SepalWidth	Délka okvětních	Šířka okvětního lístku	Druh
5,1	3.5	1.4	0,2	setosa

Predikované druhy
setosa

Predikce hodnot

Predikce hodnot, která spadá pod regresní úlohu, se používá k predikci čísel.

Ukázkový vstup

Ukázkový výstup

vendor_id	rate_code	passenger_count	trip_time_in_secs	trip_distance	payment_type	fare_amount
CMT	1	1	1271	3.8	CRD	17.5

Predikované jízdné
4.5

Doporučení

Scénář doporučení předpovídá seznam navrhovaných položek pro konkrétního uživatele na základě toho, jak se jim líbí a nelíbí se ostatním uživatelům.

Scénář doporučení můžete použít, když máte sadu uživatelů a sadu "produktů", jako jsou například položky k nákupu, filmů, knih nebo televizních pořadů, společně se sadou "hodnocení" těchto produktů uživatelů.

Ukázkový vstup

Ukázkový výstup

ID uživatele	ID produktu	Rating
1	2	4.2

Predikované hodnocení
4.5

Prognostika

Scénář prognózování používá historická data s časovou řadou nebo sezónní komponentou.

Scénář prognózování můžete použít k prognózování poptávky nebo prodeje produktu.

Ukázkový vstup

Ukázkový výstup

Datum	SaleQty
1/1/1970	1000

3denní prognóza
[1000,1001,1002]

Počítačové zpracování obrazu

Klasifikace obrázku

Klasifikace obrázků se používá k identifikaci obrázků různých kategorií. Například různé typy terénu nebo zvířat nebo výrobní vady.

Scénář klasifikace obrázků můžete použít, pokud máte sadu obrázků a chcete je klasifikovat do různých kategorií.

Ukázkový vstup

Ukázkový výstup

Predikovaný popisek
Pes

Detekce objektů

Rozpoznávání objektů se používá k vyhledání a kategorizaci entit v rámci obrázků. Například vyhledání a identifikace aut a lidí na obrázku.

Rozpoznávání objektů můžete použít v případech, kdy obrázky obsahují více objektů různých typů.

Ukázkový vstup

Ukázkový výstup

Zpracování přirozeného jazyka

Klasifikace textu

Klasifikace textu kategorizuje nezpracovaný textový vstup.

Scénář klasifikace textu můžete použít, pokud máte sadu dokumentů nebo komentářů a chcete je klasifikovat do různých kategorií.

Příklad vstupu

Příklad výstupu

Přehled
Opravdu se mi líbí tento steak!

Smýšlení
Kladné

Prostředí

Model strojového učení můžete trénovat místně na počítači nebo v cloudu v Azure v závislosti na scénáři.

Při místním trénování pracujete v rámci omezení prostředků počítače (procesor, paměť a disk). Při trénování v cloudu můžete vertikálně navýšit kapacitu prostředků tak, aby splňovaly požadavky vašeho scénáře, zejména pro velké datové sady.

Scénář	Místní procesor	Místní GPU	Azure
Klasifikace dat	✔️	❌	❌
Predikce hodnot	✔️	❌	❌
Doporučení	✔️	❌	❌
Prognostika	✔️	❌	❌
Klasifikace obrázku	✔️	✔️	✔️
Detekce objektů	❌	❌	✔️
Klasifikace textu	✔️	✔️	❌

Data

Jakmile zvolíte svůj scénář, Tvůrce modelů vás požádá o zadání datové sady. Data se používají k trénování, vyhodnocování a výběru nejvhodnějšího modelu pro váš scénář.

Tvůrce modelů podporuje datové sady ve formátech .tsv, .csv, .txt a databází SQL. Pokud máte soubor .txt, měly by být sloupce odděleny pomocí ,, ;nebo \t.

Pokud se datová sada skládá z obrázků, podporované typy souborů jsou .jpg a .png.

Další informace najdete v tématu Načtení trénovacích dat do Model Builderu.

Volba výstupu pro predikci (popisek)

Datová sada je tabulka řádků trénovacích příkladů a sloupců atributů. Každý řádek obsahuje:

• popisek (atribut, který chcete předpovědět)
• funkce (atributy, které se používají jako vstupy k predikci popisku)

V případě scénáře predikce ceny domu mohou být tyto funkce:

• Čtvercové záběry domu.
• Počet ložnic a koupelen.
• PSČ.

Popisek je historická cena domu pro tento řádek čtvercových záběrů, ložnice a koupelnové hodnoty a PSČ.

Ukázkové datové sady

Pokud ještě nemáte vlastní data, vyzkoušejte některou z těchto datových sad:

Scénář	Příklad	Data	Popisek	Funkce
Klasifikace	Predikce prodejních anomálií	údaje o prodeji produktů	Prodej produktu	Month
	Predikce mínění komentářů na webu	data komentářů na webu	Popisek (0, když negativní mínění, 1 při kladném)	Komentář, Rok
	Predikce podvodných transakcí platební karty	Údaje o platební kartě	Třída (1 v případě podvodu, 0 jinak)	Amount, V1-V28 (anonymizované funkce)
	Predikce typu problému v úložišti GitHub	Data problému GitHubu	Plocha	Název, popis
Predikce hodnot	Předpověď ceny jízdy taxíkem	údaje o jízdě taxíkem	Jízdné	Doba jízdy, vzdálenost
Klasifikace obrázku	Predikce kategorie květiny	obrázky květin	Typ květiny: daisy, pampeliška, růže, slunečnice, tulipány	Samotná data obrázku
Doporučení	Predikce filmů, které bude někdo chtít	hodnocení filmů	Uživatelé, Filmy	Hodnocení

Trénink

Jakmile vyberete svůj scénář, prostředí, data a popisek, vytrénuje Model Builder model.

Co je trénování?

Trénování je automatický proces, pomocí kterého Tvůrce modelů naučí váš model, jak odpovědět na otázky pro váš scénář. Po vytrénování může váš model vytvářet předpovědi se vstupními daty, která předtím neviděla. Pokud například předpovídáte ceny domů a nový dům přichází na trh, můžete předpovědět jeho prodejní cenu.

Vzhledem k tomu, že Tvůrce modelů používá automatizované strojové učení (AutoML), nevyžaduje během trénování žádný vstup ani ladění.

Jak dlouho mám trénovat?

Tvůrce modelů používá AutoML k prozkoumání více modelů, abyste našli model s nejlepším výkonem.

Delší doba trénování umožňuje AutoML zkoumat více modelů s širší škálou nastavení.

Následující tabulka shrnuje průměrnou dobu potřebnou k získání dobrého výkonu pro sadu ukázkových datových sad na místním počítači.

Velikost datové sady	Average time to train
0–10 MB	10 s
10–100 MB	10 minut
100 AŽ 500 MB	30 min.
500 – 1 GB	60 min.
1 GB+	3 a více hodin

Tato čísla představují pouze vodítko. Přesná délka trénování závisí na:

• Počet funkcí (sloupců), které se používají jako vstup do modelu.
• Typ sloupců.
• Úloha ML.
• Výkon procesoru, disku a paměti počítače používaného k trénování.

Obecně se doporučuje, abyste jako datové sady s méně než 100 řádky používali více než 100 řádků, které nemusí vést k žádným výsledkům.

Evaluate

Vyhodnocení je proces měření toho, jak je model dobrý. Tvůrce modelů používá trénovaný model k vytváření předpovědí s novými testovacími daty a následně měří, jak jsou předpovědi dobré.

Tvůrce modelů rozdělí trénovací data na trénovací sadu a testovací sadu. Trénovací data (80 %) se používají k trénování modelu a testovací data (20 %) se uchovávají zpět k vyhodnocení modelu.

Návody porozumět výkonu modelu?

Scénář se mapuje na úlohu strojového učení. Každá úloha ML má vlastní sadu metrik vyhodnocení.

Predikce hodnot

Výchozí metrika pro problémy s predikcí hodnot je RSquared, hodnota rozsahů RSquared mezi 0 a 1. 1 je nejlepší možná hodnota nebo jinými slovy, čím blíže je hodnota RSquared na 1, tím lépe model funguje.

Další metriky hlášené jako absolutní ztráta, kvadratová ztráta a ztráta RMS jsou další metriky, které se dají použít k pochopení výkonu modelu a jeho porovnání s jinými modely predikcí hodnot.

Klasifikace (2 kategorie)

Výchozí metrika pro problémy klasifikace je přesnost. Přesnost definuje poměr správných predikcí, které model provádí přes testovací datovou sadu. Čím blíž k 100 % nebo 1,0 je lepší.

Jiné metriky hlášené jako AUC (oblast pod křivkou), které měří skutečnou kladnou míru vs. falešně pozitivní rychlost by měla být vyšší než 0,50, aby modely byly přijatelné.

Další metriky, jako je skóre F1, lze použít k řízení rovnováhy mezi přesností a úplností.

Klasifikace (3+ kategorie)

Výchozí metrika pro klasifikaci s více třídami je mikropřesnost. Čím blíž je mikropřesnost 100 % nebo 1,0, tím lépe je.

Další důležitou metrikou pro klasifikaci více tříd je přesnost maker, podobně jako mikropřesnost, která je blíže 1,0, tím lepší je. Dobrým způsobem, jak se zamyslet nad těmito dvěma typy přesnosti, je:

• Mikropřesnost: Jak často se příchozí lístek klasifikuje správnému týmu?
• Přesnost maker: Jak často je pro svůj tým správný příchozí lístek?

Další informace o metrikách vyhodnocení

Další informace najdete v tématu Metriky vyhodnocení modelu.

Zlepšení

Pokud skóre výkonu modelu není tak dobré, jak chcete, můžete:

• Trénujte delší dobu. S větším časem experimentuje modul automatizovaného strojového učení s více algoritmy a nastavením.

• Přidejte další data. Někdy množství dat nestačí k trénování vysoce kvalitního modelu strojového učení. To platí zejména u datových sad, které mají malý počet příkladů.

• Vyrovnejte svá data. U klasifikačních úkolů se ujistěte, že je trénovací sada vyvážená mezi kategoriemi. Pokud máte například čtyři třídy pro 100 trénovacích příkladů a dvě první třídy (značka1 a značka2) se používají pro 90 záznamů, ale ostatní dvě třídy (značka3 a značka4) se používají jenom na zbývajících 10 záznamech, nedostatek vyvážených dat může způsobit, že se váš model snaží správně předpovědět značku 3 nebo značku4.

Consume

Po fázi vyhodnocení vypíše Tvůrce modelů soubor modelu a kód, který můžete použít k přidání modelu do aplikace. ML.NET modely se ukládají jako soubor ZIP. Kód pro načtení a použití modelu se do vašeho řešení přidá jako nový projekt. Tvůrce modelů také přidá ukázkovou konzolovou aplikaci, kterou můžete spustit a zobrazit model v akci.

Tvůrce modelů navíc nabízí možnost vytvářet projekty, které model využívají. Tvůrce modelů v současné době vytvoří následující projekty:

• Konzolová aplikace: Vytvoří konzolovou aplikaci .NET, která bude vytvářet předpovědi z modelu.
• Webové rozhraní API: Vytvoří webové rozhraní API ASP.NET Core, které umožňuje využívat model přes internet.

Co dále?

Nainstalujte rozšíření Sady Visual Studio v Tvůrci modelů.

Vyzkoušejte predikci ceny nebo jakýkoli regresní scénář.