Samouczek: integracja Power BI — Tworzenie modelu predykcyjnego przy użyciu funkcji automatycznego uczenia maszynowego (część 1 z 2)Tutorial: Power BI integration - Create the predictive model by using automated machine learning (part 1 of 2)

W części 1 tego samouczka nauczysz się i wdrożyć model uczenia maszynowego.In part 1 of this tutorial, you train and deploy a predictive machine learning model. Używasz automatycznej uczenia maszynowego (ML) w Azure Machine Learning Studio.You use automated machine learning (ML) in Azure Machine Learning Studio. W części 2 zostanie użyty model najlepszego wykonywania do przewidywania wyników w programie Microsoft Power BI.In part 2, you'll use the best-performing model to predict outcomes in Microsoft Power BI.

W tym samouczku zostały wykonane następujące czynności:In this tutorial, you:

  • Utwórz klaster obliczeniowy Azure Machine Learning.Create an Azure Machine Learning compute cluster.
  • Utwórz zestaw danych.Create a dataset.
  • Utwórz zautomatyzowany przebieg uczenia maszynowego.Create an automated machine learning run.
  • Wdróż najlepszy model do punktu końcowego oceniania w czasie rzeczywistym.Deploy the best model to a real-time scoring endpoint.

Istnieją trzy sposoby tworzenia i wdrażania modelu, który będzie używany w Power BI.There are three ways to create and deploy the model you'll use in Power BI. W tym artykule opisano "opcja C: uczenie i wdrażanie modeli przy użyciu funkcji automatycznego uczenia maszynowego w programie Studio".This article covers "Option C: Train and deploy models by using automated machine learning in the studio." Ta opcja to środowisko tworzenia bez kodu.This option is a no-code authoring experience. Całkowicie automatyzuje przygotowanie danych i uczenie modeli.It fully automates data preparation and model training.

Zamiast tego można użyć jednej z innych opcji:But you could instead use one of the other options:

Wymagania wstępnePrerequisites

Tworzenie klastra obliczeniowegoCreate a compute cluster

Automatyczne Uczenie maszynowe pociąga za dużo modeli uczenia maszynowego, aby znaleźć "najlepszy" algorytm i parametry.Automated machine learning trains many machine learning models to find the "best" algorithm and parameters. Azure Machine Learning parallelizes na uruchomienie szkolenia modelu w ramach klastra obliczeniowego.Azure Machine Learning parallelizes the running of the model training over a compute cluster.

Aby rozpocząć, w Azure Machine Learning Studio, w menu po lewej stronie wybierz pozycję Oblicz.To begin, in Azure Machine Learning Studio, in the menu on the left, select Compute. Otwórz kartę Klastry obliczeniowe . Następnie wybierz pozycję Nowy:Open the Compute clusters tab. Then select New:

Zrzut ekranu przedstawiający sposób tworzenia klastra obliczeniowego.

Na stronie Tworzenie klastra obliczeniowego :On the Create compute cluster page:

  1. Wybierz rozmiar maszyny wirtualnej.Select a VM size. W tym samouczku maszyna Standard_D11_v2a jest w prawidłowym zakresie.For this tutorial, a Standard_D11_v2 machine is fine.
  2. Wybierz pozycję Dalej.Select Next.
  3. Podaj prawidłową nazwę obliczeniową.Provide a valid compute name.
  4. Zachowaj minimalną liczbę węzłów w 0 .Keep Minimum number of nodes at 0.
  5. Zmień maksymalną liczbę węzłów na 4 .Change Maximum number of nodes to 4.
  6. Wybierz przycisk Utwórz.Select Create.

Stan klastra zmieni się na Tworzenie.The status of your cluster changes to Creating.

Uwaga

Nowy klaster ma 0 węzłów, więc nie są naliczane żadne koszty obliczeniowe.The new cluster has 0 nodes, so no compute costs are incurred. Opłaty są naliczane tylko wtedy, gdy uruchamiane jest zadanie automatycznego uczenia maszynowego.You incur costs only when the automated machine learning job runs. Klaster jest skalowany z powrotem do 0 automatycznie po 120 sekund czasu bezczynności.The cluster scales back to 0 automatically after 120 seconds of idle time.

Utwórz zestaw danychCreate a dataset

W tym samouczku użyjesz zestawu danych cukrzycą.In this tutorial, you use the Diabetes dataset. Ten zestaw danych jest dostępny w usłudze Azure Open DataSets.This dataset is available in Azure Open Datasets.

Aby utworzyć zestaw danych, w menu po lewej stronie wybierz pozycję zestawy danych.To create the dataset, in the menu on the left, select Datasets. Następnie wybierz pozycję Utwórz zestaw danych.Then select Create dataset. Zobaczysz następujące opcje:You see the following options:

Zrzut ekranu przedstawiający sposób tworzenia nowego zestawu danych.

Wybierz pozycję z otwartych zestawów danych.Select From Open Datasets. Następnie na stronie Tworzenie zestawu danych na podstawie otwartych zestawów DataSets :Then on the Create dataset from Open Datasets page:

  1. Użyj paska wyszukiwania, aby znaleźć cukrzycą.Use the search bar to find diabetes.
  2. Wybierz przykład: cukrzycą.Select Sample: Diabetes.
  3. Wybierz pozycję Dalej.Select Next.
  4. Nazwij zestaw danych cukrzycą.Name your dataset diabetes.
  5. Wybierz przycisk Utwórz.Select Create.

Aby eksplorować dane, wybierz zestaw danych, a następnie wybierz polecenie Eksploruj:To explore the data, select the dataset and then select Explore:

Zrzut ekranu przedstawiający sposób eksplorowania zestawu danych.

Dane zawierają 10 bazowych zmiennych wejściowych, takich jak wiek, płeć, indeks masy ciała, średnie ciśnienie krwi oraz sześć pomiarów surowicy krwi.The data has 10 baseline input variables, such as age, sex, body mass index, average blood pressure, and six blood serum measurements. Ma także jedną zmienną docelową o nazwie Y. Ta zmienna docelowa jest miarą ilościową cukrzycą w jednym roku po linii bazowej.It also has one target variable, named Y. This target variable is a quantitative measure of diabetes progression one year after the baseline.

Tworzenie automatycznego przebiegu uczenia maszynowegoCreate an automated machine learning run

W Azure Machine Learning Studio, w menu po lewej stronie wybierz pozycję zautomatyzowany ml.In Azure Machine Learning Studio, in the menu on the left, select Automated ML. Następnie wybierz kolejno pozycje Nowy zautomatyzowany przebiegu ml:Then select New Automated ML run:

Zrzut ekranu przedstawiający sposób tworzenia nowego automatycznego przebiegu uczenia maszynowego.

Następnie wybierz utworzony wcześniej zestaw danych cukrzycą .Next, select the diabetes dataset you created earlier. Następnie wybierz pozycję dalej:Then select Next:

Zrzut ekranu przedstawiający sposób wybierania zestawu danych.

Na stronie Konfigurowanie przebiegu :On the Configure run page:

  1. W obszarze Nazwa eksperymentu wybierz pozycję Utwórz nowy.Under Experiment name, select Create new.
  2. Nazwij eksperyment.Name the experiment.
  3. W polu kolumna docelowa wybierz wartość Y.In the Target column field, select Y.
  4. W polu Wybierz klaster obliczeniowy wybierz utworzony wcześniej klaster obliczeniowy.In the Select compute cluster field, select the compute cluster you created earlier.

Ukończony formularz powinien wyglądać następująco:Your completed form should look like this:

Zrzut ekranu przedstawiający sposób konfigurowania automatycznej uczenia maszynowego.

Na koniec wybierz zadanie uczenia maszynowego.Finally, select a machine learning task. W tym przypadku zadanie jest regresją:In this case, the task is Regression:

Zrzut ekranu przedstawiający sposób konfigurowania zadania.

Wybierz pozycję Zakończ.Select Finish.

Ważne

Automatyczne Uczenie maszynowe zajmie około 30 minut na zakończenie szkolenia modeli 100.Automated machine learning takes around 30 minutes to finish training the 100 models.

Wdróż najlepszy modelDeploy the best model

Po zakończeniu automatycznego uczenia maszynowego można zobaczyć wszystkie modele uczenia maszynowego, które zostały wypróbowane, wybierając kartę modele . Modele są uporządkowane według wydajności; najpierw jest pokazywany model najlepiej wykonujący.When automated machine learning finishes, you can see all the machine learning models that have been tried by selecting the Models tab. The models are ordered by performance; the best-performing model is shown first. Po wybraniu najlepszego modelu przycisk Wdróż jest włączony:After you select the best model, the Deploy button is enabled:

Zrzut ekranu przedstawiający listę modeli.

Wybierz pozycję Wdróż , aby otworzyć okno Wdróż model :Select Deploy to open a Deploy a model window:

  1. Nazwij model Service cukrzycą-model.Name your model service diabetes-model.
  2. Wybierz Azure Container Service.Select Azure Container Service.
  3. Wybierz pozycję Wdróż.Select Deploy.

Powinien zostać wyświetlony komunikat informujący o pomyślnym wdrożeniu modelu.You should see a message that states that the model was deployed successfully.

Następne krokiNext steps

W tym samouczku przedstawiono sposób uczenia i wdrażania modelu uczenia maszynowego przy użyciu funkcji automatycznego uczenia maszynowego.In this tutorial, you saw how to train and deploy a machine learning model by using automated machine learning. W następnym samouczku dowiesz się, jak używać tego modelu (SCORE) w Power BI.In the next tutorial, you'll learn how to consume (score) this model in Power BI.