Oktatóanyag: Power BI integráció – A prediktív modell létrehozása automatizált gépi tanulással (2/1. rész)

Az oktatóanyag 1. részében egy prediktív gépi tanulási modellt fog betanítni és üzembe helyezni. Az automatizált gépi tanulást (ML) a Azure Machine Learning használhatja. A 2. részben a legjobban teljesítő modellt fogja használni az eredmények előrejelzéséhez a Microsoft Power BI.

Az oktatóanyag során az alábbi lépéseket fogja végrehajtani:

  • Hozzon létre Azure Machine Learning számítási fürtöt.
  • Adatkészlet létrehozása.
  • Automatizált gépi tanulási futtatás létrehozása.
  • A legjobb modell üzembe helyezése valós idejű pontozási végponton.

A modell létrehozásához és üzembe helyezéséhez háromféleképpen hozhatja létre Power BI. Ez a cikk a "C. lehetőség: Modellek betanítása és üzembe helyezése automatizált gépi tanulással a studióban" cikket tartalmazza. Ez a lehetőség a kód nélkül való szerzői élmény. Teljes mértékben automatizálja az adat-előkészítést és a modell betanítását.

Ehelyett azonban használhatja a többi lehetőség valamelyikét:

Előfeltételek

Számítási fürt létrehozása

Az automatizált gépi tanulás számos gépi tanulási modell tanításával megkeresi a "legjobb" algoritmust és paramétereket. Azure Machine Learning párhuzamosítja a modell betanításának futtatását egy számítási fürtön.

Először is a Azure Machine Learning Studiobal oldali menüjében válassza a Számítás lehetőséget. Nyissa meg a Számítási fürtök lapot. Ezután válassza az Új lehetőséget:

Számítási fürtök létrehozásáról készült képernyőkép.

A Számítási fürt létrehozása lapon:

  1. Válassza ki a virtuális gép méretét. Ebben az oktatóanyagban egy Standard_D11_v2 gép megfelel.
  2. Kattintson a Tovább gombra.
  3. Adjon meg egy érvényes számítási nevet.
  4. A csomópontok minimális számát a értéken 0 tartsa.
  5. Módosítsa a Csomópontok maximális száma értéket a értékre. 4
  6. Válassza a Létrehozás lehetőséget.

A fürt állapota Creating (Létrehozás) lesz.

Megjegyzés

Az új fürt 0 csomóponttal rendelkezik, így nincsenek számítási költségek. Csak az automatizált gépi tanulási feladat futtatásakor kell költségekkel jár. A fürt 120 másodperc üresjárati idő után automatikusan 0-ra skálázódik vissza.

Adathalmaz létrehozása

Ebben az oktatóanyagban a Diabetes adatkészletet használjuk. Ez az adatkészlet a következőben érhető el: Azure Open Datasets.

Az adatkészlet létrehozásához a bal oldali menüben válassza az Adatkészletek lehetőséget. Ezután válassza az Adatkészlet létrehozása lehetőséget. A következő lehetőségek adatokat láthatja:

Új adatkészlet létrehozásáról készült képernyőkép.

Válassza a From Open Datasets lehetőséget. Ezután az Adatkészlet létrehozása a Open Datasets oldalon:

  1. A keresősáv használatával keresse meg a diabetes (cukorbetegség) et.
  2. Válassza a Sample: Diabetes (Minta: Cukorbetegség) lehetőséget.
  3. Kattintson a Tovább gombra.
  4. Az adatkészletnek nevezze el a diabetes nevet.
  5. Válassza a Létrehozás lehetőséget.

Az adatok feltárására jelölje ki az adatkészletet, majd válassza a Feltárás lehetőséget:

Képernyőkép az adatkészletek felfedezéséről.

Az adatok 10 bemeneti alapváltozót tartalmaznak, például kor, nem, test tömegindex, átlagos vércukorszint és hat vörösvértest-mérés. Emellett egy Y nevű célváltozóval is rendelkezik. Ez a célváltozó a cukorbetegség előrehaladásának mennyiségi mértéke az alapkonfiguráció után egy évvel.

Automatizált gépi tanulási futtatás létrehozása

A Azure Machine Learning Studio baloldali menüjében válassza az Automatizált GÉPI tanulási lehetőséget. Ezután válassza az Új automatizált gépi tanulási futtatás lehetőséget:

Képernyőkép egy új automatizált gépi tanulási futtatás létrehozásáról.

Ezután válassza ki a korábban létrehozott diabetes adatkészletet. Ezután válassza a Tovább:

Adatkészlet kiválasztását bemutató képernyőkép.

A Futtatás konfigurálása lapon:

  1. A Kísérlet neve alatt válassza az Új létrehozása lehetőséget.
  2. Nevezze el a kísérletet.
  3. A Céloszlop mezőben válassza az Y lehetőséget.
  4. A Számítási fürt kiválasztása mezőben válassza ki a korábban létrehozott számítási fürtöt.

A kész űrlapnak így kell kinéznie:

Képernyőkép az automatizált gépi tanulás konfigurálásról.

Végül válasszon ki egy gépi tanulási feladatot. Ebben az esetben a feladat a regresszió:

Képernyőkép a feladatok konfigurálásról.

Válassza a Befejezés gombot.

Fontos

A 100 modell betanítása az automatizált gépi tanulás során körülbelül 30 percet vesz igénybe.

A legjobb modell üzembe helyezése

Amikor az automatizált gépi tanulás befejeződik, a Modellek lapon láthatja az összes kipróbált gépi tanulási modellt. A modellek teljesítmény szerint vannak rendezetten; Először a legjobban teljesítő modell jelenik meg. A legjobb modell kiválasztása után az Üzembe helyezés gomb engedélyezve lesz:

Képernyőkép a modellek listájáról.

Válassza az Üzembe helyezés lehetőséget a Modell üzembe helyezése ablak megnyitásához:

  1. A modellszolgáltatásnak nevezze el a diabetes-model nevet.
  2. Válassza a Azure Container Service lehetőséget.
  3. Válassza az Üzembe helyezés lehetőséget.

Megjelenik egy üzenet, amely szerint a modell üzembe helyezése sikeresen megtörtént.

Következő lépések

Ebben az oktatóanyagban láthatta, hogyan betanítható és helyezhető üzembe egy gépi tanulási modell automatizált gépi tanulással. A következő oktatóanyagból megtudhatja, hogyan használja (pontozás) ezt a modellt a Power BI.