Samouczek: Korzystanie z modeli usługi Azure Machine Learning w usłudze Power BI

W tym samouczku poznasz proces tworzenia raportu usługi Power BI na podstawie modelu uczenia maszynowego. Po ukończeniu tego samouczka będziesz wiedzieć, jak wykonać następujące czynności:

  • Ocenianie modeli uczenia maszynowego (wdrożonych przy użyciu usługi Azure Machine Learning) w usłudze Power BI.
  • Nawiązywanie połączenia z modelem usługi Azure Machine Learning w edytorze Power Query.
  • Tworzenie raportu z wizualizacją na podstawie tego modelu.
  • Publikowanie raportu w usłudze Power BI.
  • Konfigurowanie zaplanowanego odświeżania raportu.

Wymagania wstępne

Przed rozpoczęciem tego samouczka wymagane jest:

Tworzenie modelu danych

Otwórz program Power BI Desktop i wybierz pozycję Pobierz dane. W oknie dialogowym Pobieranie danych w polu wyszukiwania wpisz web. Wybierz źródło >sieci WebConnect.

Screenshot showing web data.

Skopiuj poniższy adres URL i wklej go w polu w oknie dialogowym Z sieci Web:

https://www4.stat.ncsu.edu/~boos/var.select/diabetes.tab.txt

Screenshot showing web url.

Wybierz przycisk OK.

W obszarze Dostęp do zawartości sieci Web wybierz pozycję AnonimowePołączenie>.

Screenshot showing anonymous access for Web content.

Wybierz pozycję Przekształć dane, aby otworzyć okno Edytor Power Query.

Na wstążce Narzędzia główne w edytorze Power Query wybierz przycisk Azure Machine Learning.

Screenshot showing Power Query Editor.

Po zalogowaniu się do konta platformy Azure przy użyciu logowania jednokrotnego zobaczysz listę dostępnych usług. Wybierz pozycję my-sklearn-service utworzoną podczas wykonywania samouczka Trenowanie i wdrażanie modelu uczenia maszynowego.

Program Power Query wypełni kolumny automatycznie. Należy pamiętać, że w naszym schemacie usługi mamy dekoratora języka Python, który określił dane wejściowe. Wybierz przycisk OK.

Screenshot showing Azure Machine Learning Models.

Uwaga

W przypadku modeli szeregów czasowych usługa Power BI może nie wykrywać automatycznie formatu daty dla kolumny godziny. Aby kontynuować, przekonwertuj kolumnę czasu na typ daty/godziny w usłudze Power BI przed wywołaniem usługi Azure Machine Learning.

Wybranie opcji OK wywołuje usługę Azure Machine Learning. Powoduje to wyświetlenie ostrzeżenia dotyczącego prywatności danych zarówno dla danych, jak i punktu końcowego.

Screenshot showing privacy warning.

Wybierz opcję Kontynuuj. Na następnym ekranie wybierz pozycję Ignoruj kontrole poziomów prywatności dla tego pliku>Zapisz.

Po ocenieniu danych program Power Query tworzy dodatkową kolumnę o nazwie AzureML.my-diabetes-model.

Screenshot showing added scored column.

Dane zwracane przez usługę mają postać listy.

Uwaga

Jeśli wdrożono model projektanta, zobaczysz rekord.

Aby uzyskać przewidywania, wybierz podwójną strzałkę w nagłówku > kolumny AzureML.my-diabetes-modelRozwiń do nowych wierszy.

Screenshot showing Expand column icon.

Po rozwinięciu zobaczysz przewidywania w kolumnie AzureML.my-diabetes-model.

Screenshot showing expansion.

Wykonaj następujące kroki, aby zakończyć oczyszczanie modelu danych.

  1. Zmień nazwę kolumny AzureML.my-diabetes-model na przewidywane.
  2. Zmień nazwę kolumny Y na rzeczywiste.
  3. Zmień typ kolumny rzeczywiste: Zaznacz kolumnę, a następnie na wstążce Przekształcenie wybierz pozycję Typ danych>Liczba dziesiętna.
  4. Zmień typ kolumny przewidywane: Zaznacz kolumnę, a następnie na wstążce Przekształcenie wybierz pozycję Typ danych>Liczba dziesiętna.
  5. Na wstążce Narzędzia główne wybierz pozycję Zamknij & zastosuj.

Tworzenie raportu z wizualizacjami

Teraz możesz utworzyć wizualizacje umożliwiające prezentację danych.

  1. W okienku Wizualizacje wybierz pozycję Wykres liniowy.
  2. Po wybraniu wizualizacji w formie wykresu liniowego:
  3. Przeciągnij pole AGE (Wiek) do obszaru .
  4. Przeciągnij pole rzeczywiste do obszaru Wartości.
  5. Przeciągnij pole przewidywane do obszaru Wartości.

Zmień rozmiar wykresu liniowego, aby odpowiednio wypełnić stronę. Raport zawiera teraz jeden wykres liniowy z dwoma liniami, z których jedna przedstawia rozkład przewidywanych wartości, a druga — rozkład rzeczywistych wartości według wieku.

Screenshot showing report visualization.

Publikowanie raportu

Jeśli chcesz, możesz dodać więcej wizualizacji. W celu zachowania zwięzłości w tym samouczku opublikujemy raport.

  1. Zapisz raport.

  2. Wybierz pozycję Plik>Publikowanie>Publikuj w usłudze Power BI.

  3. Zaloguj się w usłudze Power BI.

  4. Wybierz pozycję Mój obszar roboczy.

  5. Po pomyślnym opublikowaniu raportu wybierz link Otwórz <plik MY_PBIX_FILE.pbix> w usłudze Power BI . W przeglądarce zostanie otwarty raport w usłudze Power BI.

    Screenshot showing successful publish.

Włączanie odświeżania zestawów danych

W scenariuszu, w którym źródło danych jest odświeżane nowymi danymi do oceny, należy zaktualizować poświadczenia, aby dane mogły być oceniane.

W usłudze Power BI na stronie Mój obszar roboczy na czarnym pasku nagłówka wybierz pozycję Więcej opcji (...)>Ustawienia>Ustawienia.

Screenshot showing settings.

Wybierz pozycję Zestawy danych, rozwiń węzeł Poświadczenia dostępu do źródła danych, a następnie wybierz pozycję Edytuj poświadczenia.

Screenshot showing credential refresh.

Wykonaj instrukcje dla obu pozycji: azureMLFunctions i Sieć Web. Pamiętaj o wybraniu poziomu ochrony prywatności. Teraz możesz ustawić Zaplanowane odświeżanie danych. Wybierz odpowiednie wartości w polach Częstotliwość odświeżania i Strefa czasowa. Możesz również wybrać adres e-mail, na który usługa Power BI może wysyłać powiadomienia o niepowodzeniu odświeżania.

Screenshot showing dataset and scoring refresh.

Wybierz przycisk Zastosuj.

Uwaga

Podczas odświeżania dane są również wysyłane do punktu końcowego usługi Azure Machine Learning w celu ocenienia.

Czyszczenie zasobów

Ważne

Utworzone zasoby możesz wykorzystać na potrzeby wymagań wstępnych innych samouczków i artykułów dotyczących usługi Azure Machine Learning.

Jeśli nie planujesz używania utworzonych zasobów, usuń je, aby uniknąć naliczania opłat.

  1. W witrynie Azure Portal na końcu z lewej strony wybierz pozycję Grupy zasobów.

  2. Z listy wybierz utworzoną przez siebie grupę zasobów.

  3. Wybierz pozycję Usuń grupę zasobów.

    Screenshot of the selections to delete a resource group in the Azure portal.

  4. Wpisz nazwę grupy zasobów. Następnie wybierz pozycję Usuń.

  5. W usłudze Power BI na stronie Mój obszar roboczy usuń raport i powiązany zestaw danych. Nie musisz usuwać programu Power BI Desktop ani raportu na komputerze. Program Power BI Desktop jest dostępny bezpłatnie.

Następne kroki

W tej serii samouczków pokazano, jak skonfigurować harmonogram w usłudze Power BI w celu umożliwienia oceniania nowych danych przez punkt końcowy oceniania w usłudze Azure Machine Learning.