Использование комплексных примеров ИИ в Microsoft Fabric

  • Статья

Интерфейс Synapse Обработка и анализ данных программное обеспечение как услуга (SaaS) в Microsoft Fabric может помочь специалистам по машинному обучению создавать, развертывать и использовать модели машинного обучения на одной платформе аналитики, сотрудничая с другими ключевыми ролями. В этой статье описываются возможности интерфейса Synapse Обработка и анализ данных и способы решения распространенных бизнес-проблем.

Установка библиотек Python

Для некоторых комплексных примеров ИИ требуются другие библиотеки для разработки модели машинного обучения или нерегламентированного анализа данных. Вы можете выбрать один из этих вариантов, чтобы быстро установить эти библиотеки для сеанса Apache Spark.

Установка с встроенными возможностями установки

Используйте встроенные возможности установки Python, например %pip или %conda записную книжку, чтобы установить новые библиотеки. Этот параметр устанавливает библиотеки только в текущей записной книжке, а не в рабочей области. Используйте этот код для установки библиотеки. Замените <library name> именем библиотеки: imblearn или wordcloud.

# Use pip to install libraries
%pip install <library name>

# Use conda to install libraries
%conda install <library name>

Настройка библиотек по умолчанию для рабочей области

Чтобы сделать библиотеки доступными для использования в любой записной книжке в рабочей области, вы можете использовать среду Fabric для этой цели. Вы можете создать среду, установить в нее библиотеку, а затем администратор рабочей области может присоединить среду к рабочей области в качестве среды по умолчанию. Дополнительные сведения о настройке среды в качестве рабочей области по умолчанию см. в Администратор наборов библиотек по умолчанию для рабочей области.

Важно!

Управление библиотеками в параметре рабочей области больше не поддерживается. Чтобы перенести существующие библиотеки рабочих областей и свойства Spark в среду по умолчанию, можно выполнить миграцию существующих библиотек рабочей области в среду и присоединить ее в качестве рабочей области по умолчанию.

Следуйте инструкциям по созданию моделей машинного обучения

В этих руководствах приведены комплексные примеры для распространенных сценариев.

Уход клиентов

Создайте модель для прогнозирования скорости оттока для клиентов банка. Ставка оттока, также называемая скоростью утери, является скоростью, с которой клиенты перестают делать бизнес с банком.

Следуйте инструкциям в руководстве по прогнозированию оттока клиентов.

Рекомендации

Интернет-магазин книг хочет предоставить настраиваемые рекомендации по увеличению продаж. С помощью данных о рейтинге клиентов вы можете разрабатывать и развертывать модель рекомендаций для прогнозирования.

Следуйте инструкциям в руководстве по обучению модели рекомендаций для розничной торговли.

Обнаружение мошенничества

По мере увеличения несанкционированных транзакций обнаружение кредитов в режиме реального времени карта мошенничества может помочь финансовым учреждениям обеспечить клиентам более быстрое время решения. Модель обнаружения мошенничества включает предварительную обработку, обучение, хранилище моделей и вывод. Обучающая часть проверяет несколько моделей и методов, которые решают проблемы, такие как несбалансированные примеры и компромиссы между ложными положительными и ложными отрицательными.

Следуйте инструкциям в руководстве по обнаружению мошенничества.

Прогнозирование

С историческими данными о продажах недвижимости в Нью-йорке и Facebook Prophet, создайте модель временных рядов с тенденцией и сезонными сведениями, чтобы предсказать, какие продажи в будущих циклах.

Следуйте инструкциям в руководстве по прогнозированию временных рядов .

Классификация текстов

Примените классификацию текста с word2vec и линейной регрессией модели в Spark, чтобы предсказать, является ли книга в британской библиотеке вымышленной или нефиксацией на основе метаданных книги.

Следуйте инструкциям в руководстве по классификации текста.

Модель подъема

Оцените причинное влияние определенных медицинских лечения на поведение отдельного человека с моделью подъема. Касание четырех основных областей в этих модулях:

  • Модуль обработки данных: извлекает функции, процедуры и метки.
  • Учебный модуль: прогнозируйте разницу в поведении отдельного человека при обработке и при ней, с классической моделью машинного обучения , например LightGBM.
  • Модуль прогнозирования: вызывает модель поднятия для прогнозов на тестовых данных.
  • Модуль оценки: оценивает влияние модели поднятия на тестовые данные.

Следуйте инструкциям в руководстве по причинному влиянию на лечение .

Диагностическое обслуживание

Обучите несколько моделей на исторических данных, чтобы спрогнозировать механические сбои, такие как температура и скорость поворота. Затем определите, какая модель лучше всего подходит для прогнозирования будущих сбоев.

Следуйте инструкциям в руководстве по прогнозному обслуживанию .

Прогноз продаж

Прогнозирование будущих продаж для категорий продуктов superstore. Обучите модель для исторических данных, чтобы сделать это.

Следуйте инструкциям в руководстве по прогнозированию продаж.

Связанный контент