Microsoft Azure (широко известная как Azure) — служба облачных вычислений, широко используемая для различных целей. Большинство компаний переходят на облачные вычисления, поскольку они экономичны, масштабируемы, имеют лучшую производительность и многое другое.
Здесь мы начнем с настройки учетной записи Azure, затем построим модель, создадим оценивающие и прогнозные эксперименты и, наконец, развернем обученную модель в качестве веб-службы Azure.
Настройка учетной записи Azure-
Если у вас уже есть учетная запись Microsoft, вы можете использовать ее или использовать любую личную учетную запись для регистрации. Нажмите на ссылку, представленную ниже, чтобы перейти на домашнюю страницу.
Нажмите - Попробовать Azure бесплатно
Вы будете перенаправлены на еще одну страницу, нажмите Начать бесплатно.
Как упоминалось ранее, если у вас есть учетная запись Microsoft, вы можете использовать ее, если нет. Создайте новую.
Следуйте инструкциям по созданию новой учетной записи, предоставив необходимую информацию. Потребуются данные карты, но не волнуйтесь, с вас не будет взиматься плата, если вы не выберете услугу. Вы также получите бесплатный кредит в размере 170 $ на первый месяц и 12 месяцев бесплатных популярных служб Azure.
Подтвердите свой номер, данные карты и нажмите «Отправить».
Теперь у вас есть полностью настроенная учетная запись Azure.
Настройка Студии машинного обучения
После создания учетной записи вы будете перенаправлены на домашнюю страницу Azure.
Найдите Машинное обучение в области поиска консоли и нажмите Рабочие области Студии машинного обучения (классическая).
Нажмите на рабочую область «Создать студию машинного обучения (классическую)».
Вам нужно создать рабочее пространство для ваших экспериментов с новой группой ресурсов (пока не беспокойтесь о терминологии).
Чтобы узнать больше о группах ресурсов и хранилище, вы можете просмотреть документы Microsoft в Azure.
Нажмите —Создать в рабочей области студии машинного обучения (классической).
Вам нужно создать рабочее пространство, прежде чем мы сможем начать эксперименты.
Дайте имя для рабочей области
По умолчанию подписка будет на Бесплатную пробную версию.
Нажмите «Новая группа ресурсов» и дайте имя
Дайте также имя для хранилища (только строчные буквы и цифры)
Остальные параметры будут по умолчанию, нажмите
Ценовой уровень плана веб-службы
Вы можете выбрать любой удобный для вас план здесь, мы перейдем к стандартному плану DEVTEST, который позволит 2 часа вычислений с 1000 транзакциями (0,00 евро в день).
Нажмите -Выбрать, а затем нажмите Создать.
Рабочая область будет развернута в группе ресурсов (это займет пару минут).
Вы будете перенаправлены на новую страницу с подробной информацией о вашей рабочей области и группе ресурсов, местоположении ценовой категории, хранилище, идентификаторе подписки.
Теперь у вас есть группа ресурсов, готовая к работе.
Прокрутите вниз, и вы увидите: Создание и развертывание решений.
Нажмите Просмотреть Студию машинного обучения (классическая версия).
Если вы не найдете этот вариант в качестве альтернативы, вы можете перейти на свою домашнюю страницу, нажав ВСЕ службы.
Нажмите на бесплатные предложения/услуги и прокрутите вниз до конца страницы, и вы найдете эту опцию, нажмите Создать.
Вы будете перенаправлены на страницу входа,
Нажмите Войти-›, введите свои учетные данные.
Домашняя страница студии машинного обучения
Нажмите Новый-, чтобы добавить новый эксперимент.
Нажмите «Пустой эксперимент» или вы также можете выбрать любой шаблон, прокрутив страницу вниз (многие шаблоны доступны для практики, постарайтесь узнать больше о доступных параметрах — практика — это ключ)
Я- Вы можете изменить имя
II- рабочая зона
III- Вы можете искать различные варианты
Для нашего эксперимента я буду использовать один из встроенных наборов данных — двоичный файл «Доход переписи взрослых», просто перетащите его в рабочую область.
Щелкните правой кнопкой мыши доход по переписи взрослого населения в рабочей области, и вы получите варианты загрузки/визуализации. Вы можете визуализировать данные и посмотреть по параметрам, как они распределяются.
Здесь мы будем строить простую модель с меньшим количеством вариантов, вы всегда можете изучить другие варианты и попробовать )
Далее мы очистим данные, которые вы выбрали непосредственно из поиска по запросу Очистить отсутствующие данные, соединив стрелки от нижней части данных переписи к верхней части поля «Отсутствующие данные». Нажмите «Выполнить» (нижний инструмент).
В данных есть несколько столбцов, которые бесполезны при построении модели.
В строке поиска мы снова будем искать Select Columns in Dataset- перетащите в рабочую область соедините стрелки.
Нажмите Выбрать столбцы в наборе данных, и справа мы увидим параметр Запуск селектора столбцов. Нажмите на это
После запуска вы увидите страницу, как показано ниже, выберите с правилами.
Выберите «Все столбцы» (что по сути означает, что у вас будут все столбцы), в раскрывающемся списке выберите Исключить-. В области поиска выберите эти два столбца, как показано ниже, и нажмите галочку. в нижней части страницы.
Закройте всплывающее окно.
Нажмите Выполнить.
Из данных вы также увидите, что категориальные данные присутствуют, но не установлены как категориальные.
Мы будем использовать Редактировать метаданные из панели поиска, перетаскивать, соединять стрелки.
С правой стороны в разделе «Категории» в раскрывающемся списке мы выберем Сделать категорией и запустим селектор столбцов, чтобы выбрать столбцы.
Мы снова выберем С правилами в панели запуска, и настройки по умолчанию останутся такими, какие они есть.
Следующие столбцы будут сделаны категориальными, и нажмите на галочку.
Как только это будет сделано, закройте всплывающее окно.
Нажмите Выполнить.
Теперь, когда данные очищены, мы разделим их с помощью Разделить данные.
С правой стороны вы можете выбрать % данных, которые вам нужны для обучения и тестирования (0,7 в демоверсии).
Также устанавливается случайное семя.
Нажмите Выполнить.
Здесь мы будем использовать метод классификации (дерево двухклассового усиленного решения). Перетащите в рабочую область.
Далее нам нужно будет настроить параметр, Настройка гиперпараметра модели перетаскивается в рабочую область, стрелки соединяются, как показано. Здесь доход — это параметр, используемый для настройки (прогнозирования). С правой стороны нажмите на панель запуска и выберите С правилами, выберите параметр дохода в области поиска. Нажмите на галочку и закройте всплывающее окно. Нажмите Выполнить.
Вы также можете визуализировать данные (как и раньше), чтобы увидеть, как они разделились.
Затем модель оценивается на основе исходных данных и настроенных данных.
Перетащите Оценочная модель. Соедините стрелки между гиперпараметрами Разделить данные и Настроить модель.
Нажмите Выполнить.
Затем нам нужно оценить модель, перетащить
Оцените модель, соедините стрелку с Оценочной моделью.
Нажмите Выполнить.
Щелкните правой кнопкой мыши на Оценить и визуализировать точность, здесь у нас точность 86%, вы улучшаете точность, уменьшая выборку большинства в этой демонстрации.
Развертывание:
Нажмите НАСТРОЙКА ВЕБ-СЛУЖБЫ-›ПРОГНОЗИРУЮЩИЙ ЭКСПЕРИМЕНТ.
После завершения настройки нажмите РАЗВЕРНУТЬ ВЕБ-СЕРВИС.
Эксперимент будет развернут в веб-сервисах, после развертывания вы также получите ключ API, если хотите использовать сервисы, которые вы можете протестировать с помощью python или любых других сервисов, щелкнув предварительный просмотр теста (страница будет отображаться после развертывания) Вы также можете протестировать модель.
Когда вы закончите, нажмите Веб-службы на главной странице машинного обучения и удалите развернутую службу.
Статья - Сраджан Рай
