教程：引如何用AzureML构建简单的机器学习模型

irobot

教程：引如何用AzureML构建简单的机器学习模型

2016.3.26  作者：TAVISH SRIVASTAVA

　

　　在R语言和Python语言上建立机器学习模型有多困难？
　　首先，这是一个极为艰巨的工作。对于媒介和专家来说，它仅仅是系统容量，问题理解和一点时间的问题。机器学习模型有时面临着系统不兼容的问题。特别是当数据集很大的时候。在这样的情况下，模型需要更长的计算时间，也可能出现系统崩溃。因此，对于初学者和专家，机器学习的使用让他们面临着过早的挑战。
　　好消息是，机器学习已经在近几年变得更加容易。作为机器学习的初学者，你可以使用微软的AzureML开始你的学习之旅。
　　在这篇文章中，我将传授大家学习机器学习的必要信息。同时，我演示了如何使用该软件一步一步的创建机器学习模型。

　　该软件的计算速度堪比R和Python。因此，我认为专家们也可以试下。
　　
　　何为AzureML?
　　AzureML是微软推出的一款关于机器学习算法的图形界面实现工具。使用这款工具，实现变得极其容易。如果你在使用E-miner网络挖掘有困难，那么这款工具相对而言不会这么难。我发现这款工具的资源更加丰富和可以实现更多的图像化。
　　AzureML有哪些可用资源？
　　让我们了解一下关于这款工具的各种可用资源。
　　1、简单的数据集：我很爱测试哪些有很多内置数据集的工具。因为内置数据集令测试过程变得更加容易和方便。那么AzureML本身就自带很长的内置数据集。
　　2、机器学习工具：AzureML基本含有每一种机器学习算法和指定评价指标。
　　3、数据转换：它有所有的过滤选项，变换选项，总结选项和矩阵计算选项。
　　4、数据格式转换选项：如果你要添加自己的数据集怎么办？AzureML有几个选项可以从你的系统读取数据集。下面是这些选项：

　　

注：Convert：转换

　　新建模型
　　现在，你们知道了AzureML的潜能。现在让我们专注于使用它们的方法。我采取简单可以理解的例子进行演示。我建议你们也练习这些步骤，可以帮助你们更好理解这个教程。
　　现在从点击新建一个实验开始
　　你获得一个空的实验表：
　　注：创建你的实验，将数据集和模块拖动到虚线框中。
　　
　　你可以选择一个面板：
　　注：选择实验项目

  
• Saved Datesets已保存的数据集
    
• Samples样例
  

　　成年人口收入
　　机场代码数据集
　　汽车价格数据集
　　
　　步骤1：选择数据集-你可以选择样本数据或者上传数据。在这个教程中。我将使用内置数据集中“乳腺癌数据”。只需将它拖动到主要窗口即可。
　　注：Breast cancer data-乳腺癌数据
　　实验创建于2015/11/29
　　
　　步骤2：选择一个简单工具-你可以选择从面板中搜索选项，找到“资料”选项。将它放到到你的数据集下面。
　　注：breast cancer data-乳腺癌数据
　　Split data-资料
　　
　　你可以在资料节点看到两个触碰按钮。这基本上意味着你有两个已经准备好的数据集可以提前使用。在右边的选项，你可以自由选择现在的资料（split Data）类型。
　　步骤3：训练机器学习模型-这一步你需要两个节点。首先，确定你想创建的模型类型。第二，它将成为训练模型节点。你可以参考下图：
　　注：Breast cancer data-乳腺癌数据
　　Split data-资料
　　Two-class Bayes Points Mach --二类贝叶斯节点
　　Train Model-训练模型
　　
　　你注意到在训练模型(Train Model)节点有个红色感叹号。它提示你要具体目标变量。让我们通过点击这个标志选择目标变量。现在，你可以看到右边有一个窗口。现在选择“Launch column slector发布列选项”
　　注:“Select a single column- 选择一个单列”
　　Include-包括，包含
　　Column names-列名
　　Class-类
　　
　　在这儿我已经有了一个“Class 类”作为目标变量。
　　步骤4：你的得分：参考下图
　　
　　Breast cancer data-乳腺癌数据
　　Split data-资料
　　Two-class Bayes Points Mach—二类贝叶斯节点
　　Train Model-训练模型
　　Score model –得分模型
　　步骤5：最终评价
　　Breast cancer data-乳腺癌数据
　　Split data-资料
　　Two-class Bayes Points Mach—二类贝叶斯节点
　　Train Model-训练模型
　　Score model –得分模型
　　Evaluate model-评价模型
　　
　　运行这个模型！
　　可视化数据集和输出结果。
　　为了可视化节点，选择“node”，点击右键，然后点击可视化“visualize”。
　　下面是将数据可视化成我们想要的样子：
　　注：“rows-行，olumns-列，class-类，age-年龄，menopause-绝经期，更年期，tumorsize-肿瘤大小，inv-nodes-转化酶节点，nodes-caps-节点上限，deg-malig-恶变程度，breast-乳房”
　　
　　正如你所见，类变量仅仅只有两个预期值。这个工具对每个变量都做了整齐的描述，可以让大家查看常态。
　　下面是评分模型：
　　注：frequency 频率
　　Scored Probabilities：得分概率
　　
　　正如表清晰所示，估计可能性主要集中在0到1区间。累积分布主要停留在平面之间.因此，模型输出高度分离的值。
　　最后，下面是评估图表：
　　True positive rate：真阳性率
　　Scored dataset：得分数据集
　　True positive：真阳性113
　　False negative：假阴性6
　　Accuracy:准确率0.962
　　Precision：精密度0.942
　　Threshold：阈值0.5
　　AUC：曲线下面积 0.933
　　False positive ：假阳性 7
　　True Negative:真阴性215
　　Recall：查全率 0.950
　　F1 score：F1 分数 0.946
　　Positive label：阳性标签1
　　Negative label：阴性标签0
　　
　　Score bin ：得分斌
　　Positive examples：阳性例子
　　Negative examples：阴性例子
　　Fraction above threshold：高于阈值的分数
　　Negative precision：阴性精确度
　　
　　结束语：
　　正如你所见：这个模型计算效率高，它建模和执行的时间共少于1分钟。计算评价模型相当的彻底，可能可以计算出你正在寻找的数据。因为时间效率和用户轻易就能使用这两点，我很喜欢这个工具。
　　你是否觉得这篇文章有用？期待你分享你的AzureML体验。