Kurz: Vyvolanie modelu Machine Learning Studio (classic) v službe Power BI (Preview)Tutorial: Invoke a Machine Learning Studio (classic) model in Power BI (Preview)

V tomto kurze si prejdeme postup zahrnutia prehľadov z modelu Azure Machine Learning Studio (classic) do služby Power BI.In this tutorial, we walk through the experience of incorporating insights from an Azure Machine Learning Studio (classic) model into Power BI. Tento kurz obsahuje návod na udelenie používateľského prístupu služby Power BI k modelu strojového učenia platformy Azure, vytváranie toku údajov a používanie prehľadov z modelu strojového učenia platformy Azure na tok údajov.This tutorial includes guidance for granting a Power BI user access to an Azure ML model, creating a dataflow, and applying the insights from the Azure ML model to your dataflow. Tiež odkazuje na rýchlu príručku, kde sú informácie o vytvorení modelu strojového učenia platformy Azure, ak ho ešte nemáte.It also references the quickstart guide for creating an Azure ML model if you don't already have a model.

Tento kurz vysvetľuje nasledujúce kroky:The tutorial takes you through the following steps:

  • Vytvorenie a publikovanie modelu strojového učenia platformy AzureCreate and publish an Azure Machine Learning model
  • Udelenie prístupu používateľovi služby Power BI na používanie modeluGrant access to a Power BI user to use the model
  • Vytvorenie toku údajovCreate a dataflow
  • Použitie prehľadov z modelu strojového učenia platformy Azure na tok údajovApply insights from the Azure ML model to the dataflow

Vytvorenie a publikovanie modelu strojového učenia platformy AzureCreate and publish an Azure ML model

Postupujte podľa pokynov v návode, krok 1: Vytvorte pracovný priestor pre Machine Learning Studio (classic) na vytvorenie pracovného priestoru strojového učenia.Follow the instructions at Walkthrough Step 1: Create a Machine Learning Studio (classic) workspace to create a Machine Learning workspace.

Tieto kroky môžete použiť s akýmkoľvek modelom alebo množinou údajov strojového učenia platformy Azure, ktoré už máte.You can use these steps with any Azure ML model or dataset you already have. Ak nemáte publikovaný model, môžete ho vytvoriť v priebehu niekoľkých minút tak, že si pozriete článok Vytvorenie prvého vedeckého experimentu s údajmi v službe Azure Machine Learning Studio (classic), kde sa nastavuje model strojového učenia platformy Microsoft Azure na predpoveď cien automobilov.If you don't have a published model, you can create a model in minutes by referring to Create your first data science experiment in Azure Machine Learning Studio (classic), which sets up an Azure ML model for Automobile Price Prediction.

Postupujte podľa krokov uvedených v článku Nasadenie webovej služby Azure Machine Learning Studio (classic) a publikujte model strojového učenia platformy Microsoft Azure ako webovú službu.Follow the steps at Deploy an Azure Machine Learning Studio (classic) web service to publish the Azure ML model as a web service.

Udelenie prístupu požívateľovi služby Power BIGrant a Power BI user access

Ak chcete mať prístup k modelu strojového učenia platformy Microsoft Azure zo služby Power BI, musíte mať k predplatnému služby Microsoft Azure a skupine prostriedkov prístup na čítanie a taktiež prístup na čítanie k webovej službe Azure Machine Learning Studio (classic) pre modely služby Machine Learning Studio (classic).To access an Azure ML model from Power BI, you must have Read access to the Azure subscription and the resource group and Read access to the Azure Machine Learning Studio (classic) web service for Machine Learning Studio (classic) models. V modeli Azure pre strojové učenie je potrebné mať prístup na čítanie k pracovnému priestoru služby Machine Learning.For Azure Machine Learning model, you need Read access to the Machine Learning workspace.

Nasledujúce kroky predpokladajú, že ste pridruženým správcom pre predplatné služby Azure a skupinu prostriedkov, do ktorej bol model publikovaný.The following steps assume you are the coadministrator for the Azure subscription and resource group to which the model was published.

Prihláste sa na portál Azure a prejdite na stránku Predplatné, ktorú môžete nájsť pomocou zoznamu Všetky služby v ponuke navigačnej tably.Sign in to the Azure portal, and navigate to the Subscriptions page, which you can find using the All Services list in the nav pane menu.

Azure portal

Vyberte predplatné Azure, ktoré ste použili na publikovanie modelu, a vyberte Riadenie prístupu (IAM) .Select the Azure subscription that you used for publishing the model, and select Access Control (IAM). Ďalej vyberte položku Pridať priradenie roly, potom vyberte rolu Čitateľ a vyberte používateľa služby Power BI.Next select Add role assignment, then select the Reader role, and select the Power BI user. Po dokončení vyberte možnosť Uložiť.Select Save when you're done. Na nasledujúcom obrázku sú znázornené tieto výbery.The following image shows these selections.

Riadenia prístupu k portálu Azure

Potom zopakujte kroky uvedené vyššie a udeľte používateľovi prístup pre rolu Prispievateľ pre konkrétnu webovú službu Machine Learning, do ktorej bol model strojového učenia platformy Azure nasadený.Then repeat the steps above to grant Contributor role access to the Power BI user for the specific Machine Learning web service to which the Azure ML model has been deployed.

Vytvorenie toku údajovCreate a dataflow

Získanie údajov na vytvorenie toku údajovGet data for creating the dataflow

Prihláste sa do služby Power BI s prihlasovacími údajmi používateľa, ktorému ste udelili prístup k modelu strojového učenia platformy Azure v predchádzajúcom kroku.Sign in to the Power BI service with the user credentials for whom you granted access to the Azure ML model in the previous step.

Tento krok predpokladá, že máte údaje, ktoré chcete hodnotiť pomocou modelu strojového učenia platformy Azure, vo formáte CSV.This step assumes you have the data you want to score with your Azure ML model in CSV format. Ak ste na vytvorenie modelu v službe Machine Learning Studio (classic) použili Experiment na určenie ceny auta, množina údajov sa zdieľa v nasledujúcom prepojení:If you used the Automobile Pricing Experiment to create the model in the Machine Learning Studio (classic), the dataset for is shared in the following link:

Vytvorenie toku údajovCreate a dataflow

Ak chcete vytvoriť entity vo svojom toku údajov, prihláste sa do služby Power BI a prejdite do pracovného priestoru vo vyhradenej kapacite, ktorá má povolenú ukážku AI.To create the entities in your dataflow, sign in to the Power BI service and navigate to a workspace on your dedicated capacity that has the AI preview enabled.

Ak ešte nemáte pracovný priestor, môžete si ho vytvoriť tak, že v ľavej ponuke vyberiete položku Pracovné priestory a potom v paneli na spodnej strane vyberiete položku Vytvoriť pracovný priestor aplikácie.If you don't already have a workspace, you can create one by selecting Workspaces in the left menu, and then select Create workspace in the panel at the bottom. Otvorí sa panel, kde zadáte podrobnosti pracovného priestoru.This opens a panel to enter the workspace details. Zadajte názov pracovného priestoru a potom vyberte položku Uložiť.Enter a workspace name, and then select Save.

Vytvorenie pracovného priestoru

Po vytvorení pracovného priestoru môžete vybrať položku Vynechať v pravom dolnom rohu uvítacej obrazovky.After the workspace has been created, you can select Skip in the bottom right of the Welcome screen.

Vynechať

Vyberte kartu Toky údajov (ukážka) , potom vyberte tlačidlo Vytvoriť v pravej hornej časti pracovného priestoru a potom vyberte položku Tok údajov.Select the Dataflows (preview) tab, and then select the Create button at the top right of the workspace, and then select Dataflow.

Toky údajov (Preview)

Vyberte položku Pridať nové entity, čím sa spustí Editor Power Query v prehliadači.Select Add new entities, which launches Power Query Editor in the browser.

Pridanie novej entity

Ako zdroj údajov vyberte možnosť Text/CSV súbor.Select Text/CSV File as a data source.

Výber zdroja údajov

Na ďalšej obrazovke sa zobrazí výzva na pripojenie k zdroju údajov.In the next screen, you're prompted to connect to a data source. Prilepte odkaz na údaje, ktoré ste použili na vytvorenie modelu strojového učenia platformy Azure.Paste the link to the data you used to create your Azure ML model. Ak ste používali údaje o cene auta, môžete prilepiť do poľa Cesta k súboru alebo URL adresa nasledujúci odkaz a potom vybrať Ďalej.If you used the Automotive Pricing data, you can paste the following link into the File path or URL box and then Next.

https://raw.githubusercontent.com/MicrosoftLearning/Principles-of-Machine-Learning-Python/master/Module7/Automobile%20price%20data%20_Raw_.csv

Pripojenie k zdroju údajov

Editor Power Query zobrazuje ukážku údajov zo súboru CSV.Power Query Editor shows a preview of the data from the CSV file. Na páse s príkazmi vyberte položku Transformovať tabuľku a potom vyberte možnosť Použiť prvý riadok ako hlavičky.Select Transform Table from the command ribbon and then select Use first row as headers. Týmto sa pridá krok dotazu Hlavičky so zvýšenou úrovňou na tablu Použité kroky na pravej strane.This adds the Promoted headers query step into the Applied steps pane on the right. Dotaz môžete tiež pomocou tably na pravej strane premenovať na intuitívnejší názov, ako je napríklad Cena auta.You can also rename the query to a friendlier name, such as Automobile Pricing using the pane on the right.

Azure portal

Naša zdrojová množina údajov má neznáme hodnoty nastavené na možnosť „?“.Our source dataset has unknown values set to '?'. Ak to chcete vymazať, môžeme hodnoty „?“ nahradiť hodnotami „0“, aby z dôvodu zjednodušenia nedochádzalo neskôr k chybám.To clean this, we can replace '?' with '0' to avoid errors later for simplicity. Ak to chcete urobiť, vyberte stĺpce normalizované straty, priemer valca, zdvih, kompresný pomer, konské sily, maximálne otáčky a cena kliknutím na príslušné názvy v hlavičkách stĺpcov, potom kliknite na „Transformovať stĺpce“ a vyberte „Nahradiť hodnoty“.To do this, select the columns normalized-losses, bore, stroke, compression-ratio, horsepower, peak-rpm and price by clicking on their name in the column headers, then click on 'Transform columns' and select 'Replace values'. Nahraďte hodnotu „?“ hodnotou „0“.Replace '?' with '0'.

Nahradenie hodnôt

Všetky stĺpce v tabuľke zo zdroja Text/CSV sa považujú za textové stĺpce.All the columns in the table from a Text/CSV source are treated as text columns. V ďalšom kroku musíme zmeniť číselné stĺpce na správne typy údajov.Next, we need to change the numeric columns to their correct data types. Môžete to urobiť v Power Query kliknutím na symbol typu údajov v hlavičke stĺpca.You can do this in Power Query by clicking on the data type symbol in the column header. Zmena stĺpcov na typy uvedené nižšie:Change the columns to the below types:

  • Celé číslo: symboly, normalizované straty, pohotovostná hmotnosť, veľkosť motora, výkon, maximálne otáčky, spotreba v meste, spotreba na diaľnici, cenaWhole number: symboling, normalized-losses, curb-weight, engine-size, horsepower, peak-rpm, city-mpg, highway-mpg, price
  • Desatinné číslo: rázvor, dĺžka, šírka, výška, priemer valca, zdvih, kompresný pomerDecimal number: wheel-base, length, width, height, bore, stroke, compression-ratio

Zmena stĺpcov

Vyberte položku Hotovo, čím zavriete Editor Power Query.Select Done to close Power Query Editor. Zobrazí sa zoznam entít s údajmi o cene auta, ktoré sme pridali.This will show the entities list with the Automobile Pricing data we added. Vyberte položku Uložiť v pravom hornom rohu, zadajte názov toku údajov a potom vyberte položku Uložiť.Select Save in the top right corner, provide a name for the dataflow, and then select Save.

Uloženie toku údajov

Obnovenie toku údajovRefresh the dataflow

Po uložení toku údajov sa zobrazí upozornenie, že váš tok údajov sa uložil.Saving the dataflow displays a notification that your dataflow was saved. Vyberte položku Obnoviť teraz, ak chcete prijať údaje zo zdroja do toku údajov.Select Refresh now to ingest data from the source into the dataflow.

Obnovenie toku údajov

Vyberte položku Zavrieť v pravom hornom rohu a počkajte, kým sa obnovenie toku údajov nedokončí.Select Close in the upper right corner and wait for the dataflow refresh to complete.

Tok údajov môžete tiež obnoviť pomocou príkazov Akcie.You can also refresh your dataflow using the Actions commands. Tok údajov zobrazí časovú pečiatku po dokončení obnovenia.The dataflow displays the timestamp when the refresh is completed.

Manuálne obnovenie

Použitie prehľadov z modelu strojového učenia platformy AzureApply insights from your Azure ML model

Ak chcete získať prístup k modelu strojového učenia platformy Azure pre predpoveď ceny auta, môžete upraviť entitu Cena auta, pre ktorú chceme pridať predpokladanú cenu.To access the Azure ML model for Automobile Price Prediction, you can edit the Automobile Pricing entity for which we want to add the predicted price.

Úprava entity

Výberom ikony Upraviť sa otvorí editor Power Query pre entity vo vašom toku údajov.Selecting the Edit icon opens Power Query Editor for the entities in your dataflow.

Upraviť

Vyberte tlačidlo Prehľady UI na páse s nástrojmi a potom vyberte na navigačnej table priečinok Modely strojového učenia platformy Azure.Select the AI Insights button in the ribbon, and then select the Azure Machine Learning Models folder from the nav pane menu.

Modely strojového učenia platformy Azure, ku ktorým vám bol udelený prístup, sú uvedené ako funkcie Power Query s predponou AzureML.The Azure ML models to which you've been granted access are listed as Power Query functions with a prefix AzureML. Po kliknutí na funkciu zodpovedajúcu modelu AutomobilePricePrediction sú parametre pre webovú službu modelu uvedené ako parametre funkcie.When you click on the function corresponding to the AutomobilePricePrediction model, the parameters for the model's web service are listed as function parameters.

Model strojového učenia platformy Azure môžete vyvolať určením ktoréhokoľvek stĺpca vybratej entity ako vstupu z rozbaľovacieho zoznamu.To invoke an Azure ML model, you can specify any of the selected entity's columns as an input from the drop-down. Môžete tiež zadať konštantnú hodnotu, ktorá sa má použiť ako vstup, a to tak, že prepnete ikonu stĺpca na ľavej strane dialógového okna vstupu.You can also specify a constant value to be used as an input by toggling the column icon to the left of the input dialog. Keď sa názov stĺpca zhoduje s názvom jedného parametra funkcie, stĺpec sa automaticky odporučí ako vstup.When a column name that matches one of the function parameter names, then the column is automatically suggested as an input. Ak sa názov stĺpca nezhoduje, môžete ho vybrať z rozbaľovacieho zoznamu.If the column name doesn't match, you can select it from the drop-down.

V prípade modelu na predpoveď ceny auta sú vstupné parametre nasledovné:In the case of the Automobile Pricing Prediction model, the input parameters are:

  • značkamake
  • štýl-karosériebody-style
  • rázvorwheel-base
  • veľkosť-motoraengine-size
  • výkonhorsepower
  • maximálne-otáčkypeak-rpm
  • spotreba-na-diaľnicihighway-mpg

V našom prípade, keďže naša tabuľka zodpovedá pôvodnej množine údajov použitej na učenie modelu, majú už všetky parametre vybrané správne stĺpce.In our case, since our table matches the original dataset used to train the model, all the parameters have the correct columns already selected.

Učenie modelu

Vyberte položku Vyvolať na zobrazenie ukážky výstupu modelu strojového učenia platformy Azure vo forme nového stĺpca v tabuľke entít.Select Invoke to view the preview of the Azure ML model's output as a new column in the entity table. Vyvolanie modelu sa zobrazí aj ako uplatnený krok pre dotaz.You'll also see the model invocation as an applied step for the query.

Výstup modelu je znázornený ako záznam vo výstupnom stĺpci.The output of the model is shown as a record in the output column. Stĺpec môžete rozšíriť, aby sa vytvorili jednotlivé výstupné parametre v samostatných stĺpcoch.You can expand the column to produce individual output parameters in separate columns. V našom prípade nás zaujíma položka Označenia so skóre, ktorá obsahuje predpovedanú cenu auta.In our case, we're only interested in the Scored Labels which contains the predicted price of the automobile. Takže v ostatných položkách zrušíme výber a vyberieme položku OK.So we deselect the rest, and select OK.

Výstup modelu

Výsledný stĺpec Označenia so skóre má predpoveď ceny z modelu strojového učenia platformy Azure.The resulting Scored Labels column has the price prediction from the Azure ML model.

Označenia so skóre

Keď uložíte svoj tok údajov, model strojového učenia platformy Azure sa automaticky vyvolá po obnovení toku údajov o akékoľvek nové alebo aktualizované riadky v tabuľke entít.Once you save your dataflow, the Azure ML model will be automatically invoked when the dataflow is refreshed for any new or updated rows in the entity table.

Vyčistenie zdrojovClean up resources

Ak už nepotrebujete prostriedky služby Azure, ktoré ste vytvorili pomocou tohto článku, odstráňte ich, aby ste neplatili žiadne poplatky.If you no longer need the Azure resources you created using this article, delete them to avoid incurring any charges. Môžete tiež odstrániť vytvorené toky údajov, ak ich už viac nebudete potrebovať.You can also delete the dataflows you created, if you no longer require them.

Ďalší postupNext steps

V tomto kurze ste vytvorili jednoduchý experiment pomocou služby Azure Machine Learning Studio (classic) s použitím jednoduchej množiny údajov a týchto krokov:In this tutorial, you created a simple experiment using Azure Machine Learning Studio (classic) using a simple dataset using these steps:

  • Vytvorenie a publikovanie modelu strojového učenia platformy AzureCreate and publish an Azure Machine Learning model
  • Udelenie prístupu používateľovi služby Power BI na používanie modeluGrant access to a Power BI user to use the model
  • Vytvorenie toku údajovCreate a dataflow
  • Použitie prehľadov z modelu strojového učenia platformy Azure na tok údajovApply insights from the Azure ML model to the dataflow

Ďalšie informácie o integrácii strojového učenia platformy Azure v službe Power BI nájdete v téme Integrácia strojového učenia platformy Azure v službe Power BI (ukážka).For more information about Azure Machine Learning integration in Power BI, see Azure Machine Learning integration in Power BI (Preview).