Co mogę zrobić za pomocą usługi Machine Learning Studio (wersja klasyczna)?

DOTYCZY: Machine Learning Studio (wersja klasyczna) Azure Machine Learning

Ważne

Obsługa programu Machine Learning Studio (wersja klasyczna) zakończy się 31 sierpnia 2024 r. Zalecamy przejście do usługi Azure Machine Learning przed tym terminem.

Od 1 grudnia 2021 r. nie będzie można tworzyć nowych zasobów programu Machine Learning Studio (wersja klasyczna). Do 31 sierpnia 2024 r. można będzie nadal korzystać z istniejących zasobów programu Machine Learning Studio (wersja klasyczna).

• Zobacz informacje dotyczące przenoszenia projektów uczenia maszynowego z usługi ML Studio (klasycznej) do usługi Azure Machine Learning.
• Dowiedz się więcej o usłudze Azure Machine Learning

Dokumentacja programu ML Studio (wersja klasyczna) jest wycofywana i może nie być aktualizowana w przyszłości.

Machine Learning Studio (wersja klasyczna) to narzędzie do przeciągania i upuszczania, którego można użyć do kompilowania, testowania i wdrażania modeli uczenia maszynowego. Studio (wersja klasyczna) publikuje modele jako usługi internetowe, które mogą być łatwo używane przez aplikacje niestandardowe lub narzędzia analizy biznesowej, takie jak excel.

Interaktywny obszar roboczy programu Studio (klasyczny)

Aby opracować model analizy predykcyjnej, zazwyczaj używasz danych z co najmniej jednego źródła, przekształcania i analizowania tych danych za pomocą różnych funkcji manipulowania danymi i funkcji statystycznych oraz generowania zestawu wyników. Tworzenie modelu w ten sposób jest procesem iteracyjnym. Podczas modyfikowania różnych funkcji i ich parametrów wyniki stają się zbieżne, aż do uzyskania wytrenowanego, skutecznego modelu.

Usługa Machine Learning Studio (klasyczna) udostępnia interaktywny, wizualny obszar roboczy umożliwiający łatwe kompilowanie, testowanie i iterowanie modelu analizy predykcyjnej. Zestawy danych i moduły analizy można przeciągać i upuszczać na interaktywną kanwę, łącząc je ze sobą w celu utworzenia eksperymentu, który jest uruchamiany w usłudze Machine Learning Studio (wersja klasyczna). W celu wykonania iteracji projektu modelu należy przeprowadzić edycję eksperymentu, zapisując kopię w razie potrzeby, a następnie uruchomić eksperyment ponownie. Gdy wszystko będzie gotowe, możesz przekonwertować eksperyment treningowy na eksperyment predykcyjny, a następnie opublikować go jako usługę internetową , aby można było uzyskać dostęp do modelu przez inne osoby.

Nie ma wymaganego programowania, wizualne łączenie zestawów danych i modułów w celu skonstruowania modelu analizy predykcyjnej.

Pobieranie diagramu przeglądu programu ML Studio (wersja klasyczna)

Pobierz diagram Przegląd możliwości programu Microsoft ML Studio (wersja klasyczna) i uzyskaj ogólny widok możliwości usługi Machine Learning Studio (wersja klasyczna). Aby mieć ten diagram zawsze w pobliżu, wydrukuj go w rozmiarze tabloidu (11 cali x 17 cali).

Pobierz diagram tutaj: Omówienie możliwości usługi Microsoft Machine Learning Studio (wersja klasyczna)

Składniki eksperymentu w programie Studio (klasycznym)

Eksperyment składa się z zestawów danych, które dostarczają dane do modułów analitycznych łączonych w celu utworzenia modelu analizy predykcyjnej. Prawidłowy eksperyment ma następujące cechy:

• Obejmuje co najmniej jeden zestaw danych i jeden moduł
• Zestawy danych mogą być połączone tylko z modułami
• Moduły mogą być połączone z zestawami danych lub innymi modułami
• Wszystkie porty wejściowe modułów muszą mieć jakieś połączenie z przepływem danych
• Konieczne jest ustawienie wszystkich wymaganych parametrów dla każdego modułu

Eksperymenty można tworzyć od podstaw albo przy użyciu przykładowego eksperymentu jako szablonu. Aby uzyskać więcej informacji, zobacz Kopiowanie przykładowych eksperymentów w celu tworzenia nowych eksperymentów uczenia maszynowego.

Aby zapoznać się z przykładem tworzenia eksperymentu, zobacz Tworzenie eksperymentu w usłudze Machine Learning Studio (wersja klasyczna).

Aby zapoznać się z bardziej kompletnym przewodnikiem tworzenia rozwiązania analizy predykcyjnej, zobacz Tworzenie rozwiązania predykcyjnego za pomocą usługi Machine Learning Studio (wersja klasyczna).

Zestawy danych

Zestaw danych to dane przekazane do usługi Machine Learning Studio (klasycznej), dzięki czemu mogą być używane w procesie modelowania. Wiele przykładowych zestawów danych jest dołączonych do usługi Machine Learning Studio (klasycznej) do eksperymentowania i możesz przekazać więcej zestawów danych w miarę ich potrzeb. Oto przykładowe zestawy danych dostępne w Studio:

• MPG data for various automobiles (Dane MPG dotyczące różnych samochodów) — wartości przebiegu w milach na galon paliwa (MPG) dla samochodów zidentyfikowanych na podstawie liczby cylindrów, mocy itp.
• Breast cancer data (Dane dot. raka piersi) — dane z diagnoz raka piersi.
• Forest fires data (Dane dot. pożarów lasów) — rozmiary pożarów lasów w północno-wschodniej Portugalii.

Podczas tworzenia eksperymentu możesz wybrać z listy zestawów danych dostępnych po lewej stronie kanwy.

Aby uzyskać listę przykładowych zestawów danych zawartych w usłudze Machine Learning Studio (wersja klasyczna), zobacz Używanie przykładowych zestawów danych w usłudze Machine Learning Studio (wersja klasyczna).

Moduły

Moduł jest algorytmem, który można wykonać na danych. Usługa Machine Learning Studio (klasyczna) ma szereg modułów, od funkcji ruchu przychodzącego danych do procesów trenowania, oceniania i walidacji. Oto przykładowe dołączone moduły:

• Convert to ARFF (Konwertowanie na ARFF) — konwertuje serializowany zestaw danych .NET na plik formatu Attribute-Relation File Format (ARFF).
• Compute Elementary Statistics (Obliczanie statystyk podstawowych) — oblicza podstawowe statystyki, takie jak średnia, odchylenie standardowe itp.
• Linear Regression (Regresja liniowa) — tworzy model regresji liniowej online na podstawie spadku gradientu.
• Score Model (Ocena modelu) — ocenia nauczony model klasyfikacji lub regresji.

Podczas tworzenia eksperymentu możesz wybrać z listy modułów dostępnych po lewej stronie kanwy.

Moduł może zawierać zestaw parametrów, za pomocą których można konfigurować wewnętrzne algorytmy modułu. Po wybraniu modułu na kanwie parametry tego modułu są wyświetlane w okienku Properties (Właściwości) po prawej stronie kanwy. Te parametry można modyfikować w okienku, aby dostosowywać model.

Aby uzyskać pomoc w poruszaniu się po dużej bibliotece dostępnych algorytmów uczenia maszynowego, zobacz Jak wybrać algorytmy dla usługi Microsoft Machine Learning Studio (wersja klasyczna).

Wdrażanie usługi sieci Web analizy predykcyjnej

Gdy model analizy predykcyjnej będzie gotowy, możesz wdrożyć go jako usługę internetową bezpośrednio z usługi Machine Learning Studio (klasycznej). Aby uzyskać więcej informacji na temat tego procesu, zobacz Wdrażanie usługi internetowej Machine Learning.

Następne kroki

Podstaw analizy predykcyjnej i uczenia maszynowego możesz się nauczyć, korzystając z przewodnika Szybki start krok po kroku, a także rozwijając przykłady.