Självstudie: Power BI integration – skapa en förutsägelse modell med hjälp av automatisk maskin inlärning (del 1 av 2)Tutorial: Power BI integration - Create the predictive model by using automated machine learning (part 1 of 2)

I del 1 av den här självstudien tränar du och distribuerar en förutsägelse maskin inlärnings modell.In part 1 of this tutorial, you train and deploy a predictive machine learning model. Du använder automatisk Machine Learning (ML) i Azure Machine Learning Studio.You use automated machine learning (ML) in Azure Machine Learning Studio. I del 2 använder du modellen för bästa prestanda för att förutsäga resultat i Microsoft Power BI.In part 2, you'll use the best-performing model to predict outcomes in Microsoft Power BI.

I den här kursen får du:In this tutorial, you:

  • Skapa ett Azure Machine Learning beräknings kluster.Create an Azure Machine Learning compute cluster.
  • Skapa en data uppsättning.Create a dataset.
  • Skapa en automatiserad Machine Learning-körning.Create an automated machine learning run.
  • Distribuera den bästa modellen till en slut punkt för real tids resultat.Deploy the best model to a real-time scoring endpoint.

Det finns tre sätt att skapa och distribuera den modell du använder i Power BI.There are three ways to create and deploy the model you'll use in Power BI. Den här artikeln beskriver "alternativ C: träna och distribuera modeller med hjälp av automatisk maskin inlärning i Studio".This article covers "Option C: Train and deploy models by using automated machine learning in the studio." Det här alternativet är en redigerings upplevelse utan kod.This option is a no-code authoring experience. Den automatiserar data förberedelse-och modell träningen fullständigt.It fully automates data preparation and model training.

Men du kan i stället använda något av de andra alternativen:But you could instead use one of the other options:

FörutsättningarPrerequisites

Skapa ett beräkningsklusterCreate a compute cluster

Automatiserade maskin inlärnings tåg många Machine Learning-modeller för att hitta den bästa algoritmen och parametrarna.Automated machine learning trains many machine learning models to find the "best" algorithm and parameters. Azure Machine Learning parallelizes för att köra modell utbildningen över ett beräknings kluster.Azure Machine Learning parallelizes the running of the model training over a compute cluster.

Börja i Azure Machine Learning Studioi menyn till vänster och välj Compute.To begin, in Azure Machine Learning Studio, in the menu on the left, select Compute. Öppna fliken beräknings kluster . Välj sedan nytt:Open the Compute clusters tab. Then select New:

Skärm bild som visar hur du skapar ett beräknings kluster.

På sidan skapa beräknings kluster :On the Create compute cluster page:

  1. Välj en VM-storlek.Select a VM size. I den här självstudien är en Standard_D11_v2 dator bra.For this tutorial, a Standard_D11_v2 machine is fine.
  2. Välj Nästa.Select Next.
  3. Ange ett giltigt beräknings namn.Provide a valid compute name.
  4. Behåll det lägsta antalet noder0 .Keep Minimum number of nodes at 0.
  5. Ändra maximalt antal noder till 4 .Change Maximum number of nodes to 4.
  6. Välj Skapa.Select Create.

Status för klustret ändras till att skapas.The status of your cluster changes to Creating.

Anteckning

Det nya klustret har 0 noder, så inga beräknings kostnader uppkommer.The new cluster has 0 nodes, so no compute costs are incurred. Du debiteras bara kostnader när det automatiserade Machine Learning-jobbet körs.You incur costs only when the automated machine learning job runs. Klustret skalas tillbaka till 0 automatiskt efter 120 sekunders vänte tid.The cluster scales back to 0 automatically after 120 seconds of idle time.

Skapa en datauppsättningCreate a dataset

I den här självstudien använder du diabetes-datauppsättningen.In this tutorial, you use the Diabetes dataset. Den här data uppsättningen är tillgänglig i Azure Open-datauppsättningar.This dataset is available in Azure Open Datasets.

Om du vill skapa data uppsättningen går du till menyn till vänster och väljer data uppsättningar.To create the dataset, in the menu on the left, select Datasets. Välj sedan skapa data uppsättning.Then select Create dataset. Du ser följande alternativ:You see the following options:

Skärm bild som visar hur du skapar en ny data uppsättning.

Välj från öppna data uppsättningar.Select From Open Datasets. På sidan skapa data uppsättning från öppna data uppsättningar :Then on the Create dataset from Open Datasets page:

  1. Använd Sök fältet för att hitta diabetes.Use the search bar to find diabetes.
  2. Välj exempel: diabetes.Select Sample: Diabetes.
  3. Välj Nästa.Select Next.
  4. Namnge din data uppsättnings diabetes.Name your dataset diabetes.
  5. Välj Skapa.Select Create.

Om du vill utforska data väljer du data uppsättningen och väljer sedan utforska:To explore the data, select the dataset and then select Explore:

Skärm bild som visar hur du utforskar en data uppsättning.

Data har 10 bas linje inmatnings variabler, till exempel ålder, kön, body mass index, Genomsnittligt blod tryck och sex blod serum mätningar.The data has 10 baseline input variables, such as age, sex, body mass index, average blood pressure, and six blood serum measurements. Den har också en Target-variabel med namnet Y. Den här mål variabeln är ett kvantitativt mått på diabetes förlopp ett år efter bas linjen.It also has one target variable, named Y. This target variable is a quantitative measure of diabetes progression one year after the baseline.

Skapa en automatiserad Machine Learning-körningCreate an automated machine learning run

I Azure Machine Learning Studioväljer du automatiserad ml i menyn till vänster.In Azure Machine Learning Studio, in the menu on the left, select Automated ML. Välj sedan ny automatiserad ml-körning:Then select New Automated ML run:

Skärm bild som visar hur du skapar en ny automatiserad Machine Learning-körning.

Välj sedan den diabetes -datauppsättning som du skapade tidigare.Next, select the diabetes dataset you created earlier. Välj sedan Nästa:Then select Next:

Skärm bild som visar hur du väljer en data uppsättning.

På sidan Konfigurera körning :On the Configure run page:

  1. Under experimentets namn väljer du Skapa nytt.Under Experiment name, select Create new.
  2. Ge experimentet ett namn.Name the experiment.
  3. I fältet mål kolumn väljer du Y.In the Target column field, select Y.
  4. I fältet Välj beräknings kluster väljer du det beräknings kluster som du skapade tidigare.In the Select compute cluster field, select the compute cluster you created earlier.

Ditt färdiga formulär bör se ut så här:Your completed form should look like this:

Skärm bild som visar hur du konfigurerar Automatisk maskin inlärning.

Välj slutligen en maskin inlärnings uppgift.Finally, select a machine learning task. I det här fallet är uppgiften regression:In this case, the task is Regression:

Skärm bild som visar hur du konfigurerar en aktivitet.

Välj Slutför.Select Finish.

Viktigt

Automatisk maskin inlärning tar cirka 30 minuter att slutföra utbildningen av 100-modeller.Automated machine learning takes around 30 minutes to finish training the 100 models.

Distribuera den bästa modellenDeploy the best model

När automatisk maskin inlärning slutförs kan du se alla Machine Learning-modeller som har provats genom att välja fliken modeller . Modellerna sorteras efter prestanda. modellen för bästa prestanda visas först.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. När du har valt den bästa modellen är knappen distribuera aktive rad:After you select the best model, the Deploy button is enabled:

Skärm bild som visar listan över modeller.

Välj distribuera för att öppna ett fönster för att distribuera en modell :Select Deploy to open a Deploy a model window:

  1. Namnge din modell tjänst diabetes-Model.Name your model service diabetes-model.
  2. Välj Azure Container Service.Select Azure Container Service.
  3. Välj Distribuera.Select Deploy.

Ett meddelande visas som anger att modellen har distribuerats.You should see a message that states that the model was deployed successfully.

Nästa stegNext steps

I den här självstudien såg du hur du tränar och distribuerar en maskin inlärnings modell med hjälp av automatisk maskin inlärning.In this tutorial, you saw how to train and deploy a machine learning model by using automated machine learning. I nästa självstudie får du lära dig hur du använder (score) den här modellen i Power BI.In the next tutorial, you'll learn how to consume (score) this model in Power BI.