Azure機器學習模型搭建

Azure Machine Learning（簡稱“AML”）是微軟在其公有云Azure上推出的基于Web使用的一項機器學習服務，機器學習屬人工智能的一個分支，它技術借助算法讓電腦對大量流動數據集進行識別。這種方式能夠通過歷史數據來預測未來事件和行為，其實現方式明顯優于傳統的商業智能形式。

微軟的目標是簡化使用機器學習的過程，以便于開發人員、業務分析師和數據科學家進行廣泛、便捷地應用。

這款服務的目的在于“將機器學習動力與云計算的簡單性相結合”。

AML目前在微軟的Global Azure云服務平臺提供服務，用戶可以通過站點：https://studio.azureml.net/ 申請免費試用。

實驗步驟：

獲取數據

UCI機器學習數據庫的網址：****http://archive.ics.uci.edu/ml/****

該數據庫是加州大學歐文分校(UniversityofCaliforniaIrvine)提出的用于機器學習的數據庫，這個數據庫目前共有187個數據集，其數目還在不斷增加，UCI數據集是一個常用的標準測試數據集。數據庫不斷更新，是所有學習人工智能、機器學習等都需要用到的數據庫，是看文章、寫論文、測試算法的必備數據集。數據庫種類涉及生活、工程、科學各個領域，記錄數也是從少到多，最多達幾十萬條。

我們使用其中：美國人口普查數據集（****https://archive.ics.uci.edu/ml/datasets/census+income）****的數據，該數據從美國1994年人口普查數據庫抽取而來，可以用來預測居民收入是否超過50K/year。該數據集類變量為年收入是否超過50k，屬性變量包含年齡，工種，學歷，職業，人種等重要信息，

值得一提的是，14個屬性變量中有7個類別型變量，數據集各屬性:其中序號0~13是屬性， 14是類別

數據集局部圖如下圖所示：

現在，用 Microsoft Excel 或任何其他電子表格工具中打開 adult.data 文件，并為其添加網站中屬性列表的詳細信息，這些信息如下列出。注意，其中的一部分屬性值為連續的，因為它們以數值的形式表現，另一部分則為離散的。

觀察數據集

****年齡（age）****，連續值

****工作種類（Workclass）****個人（Private）, 無限責任公司（Self-emp-not-inc）, 有限責任公司（Self-emp-inc）, 聯邦政府（Federal-gov）, 地方政府（ Local-gov）, 州政府（State-gov）, 無薪人員（Without-pay）, 無工作經驗人員（Never-worked）離散值

****序列號（********Fnlwgt********）****連續值

*教育情況（Education）* Bachelors, Some-college, 11th, HS-grad, Prof-school, Assoc-acdm, Assoc-voc, 9th, 7th-8th, 12th, Masters, 1st-4th, 10th, Doctorate, 5th-6th, Preschool ）離散值

****受教育年限（Education-num）****，連續值

*婚姻狀況（Marital-status）* 已婚（Married-civ-spouse），離婚（Divorced），未婚（Never-married），離異（Separated），喪偶（Widowed），已婚配偶缺席（Married-spouse-absent）、 再婚（Married-AF-spouse），離散值

****職業情況（Occupation）****技術支持（Tech-support），維修工藝（Craft-repair），服務行業（Other-service）、 銷售（Sales）、 執行管理（Exec-managerial）、 專業教授（Prof-specialty），清潔工（Handlers-cleaners），機床操控人員（Machine-op-inspct）、 行政文員（Adm-clerical）、 養殖漁業（Farming-fishing）、 運輸行業（Transport-moving），私人房屋服務（Priv-house-serv），保衛工作（Protective-serv）， 武裝部隊（Armed-Forces）職業情況，離散值

****親屬情況（Relationship）****妻子（Wife），子女（Own-child），丈夫（Husband），外來人員（Not-in-family）、 其他親戚（Other-relative）、 未婚（Unmarried），離散值

****種族膚色（Race）****白人（White），亞洲太平洋島民（Asian-Pac-Islander），阿米爾-印度-愛斯基摩人（Amer-Indian-Eskimo）、 其他（Other），黑人（Black）離散值

****性別（Sex ）****男性（Female）,女性（ Male），離散值

****資本盈利（Capital-gain ）****連續值

*資本損失（Capital-loss）* ，連續值

*每周工作時間（Hours-per-week* ），連續值

****國籍（Native-country ）****美國（United-States）、 柬埔寨（Cambodia）、 英國（England），波多黎各（Puerto-Rico），加拿大（Canada），德國（Germany），美國周邊地區（關島-美屬維爾京群島等）（Outlying-US(Guam-USVI-etc)），印度（India）、 日本（Japan）、 希臘（Greece）、 美國南部（South）、 中國（China）、 古巴（Cuba）、 伊朗（Iran）、 洪都拉斯（Honduras），菲律賓（Philippines）、 意大利（Italy）、 波蘭（Poland）、 牙買加（Jamaica）、 越南（Vietnam）、 墨西哥（Mexico）、 葡萄牙（Portugal）、 愛爾蘭（Ireland）、 法國（France）、多米尼加共和國（Dominican-Republic）、 老撾（Laos）、 厄瓜多爾（Ecuador）、 臺灣（Taiwan）、 海地（Haiti）、 哥倫比亞（Columbia）、 匈牙利（Hungary）、 危地馬拉（Guatemala）、 尼加拉瓜（Nicaragua）、蘇格蘭（Scotland）、 泰國（Thailand）、 南斯拉夫（Yugoslavia），薩爾瓦多（El-Salvador）、 特立尼達和多巴哥（Trinadad&Tobago）、 秘魯（Peru），香港（Hong），荷蘭（Holland-Netherlands）離散值

*收入 （incom）* >50K, <=50K ，離散值

總括一下數據集的數據特征：

1，十四個與結果相關的唯一屬性

2，數據集的實例數為 48,842

3，預測任務是確定用戶是否一年收入超過$50,000美元。

實驗準備

進入官網，點擊Sign In

登陸注冊

點擊左下角的new 選擇DATASET，點擊從本地文件選擇即"FROM LOCAL FILE"，上傳本地的數據文件

等待數據加載，完成信息的輸入并點擊簽入按鈕后，您的數據集將異步加載至您的第一個Azure機器學習實驗的工作區中：

創建新的Azure機器學習實驗，創建新的實驗的方法是點擊屏幕左下角的"+NEW"按鈕，選擇"實驗"（EXPERIMENT）>“空白實驗”（Blank Experiment）:

開始實驗

獲取數據

選擇Saved Datasets選項下的My Datasets > adult.data.csv，拖拽到Experiment中

數據基本處理

分割訓練集，選擇Sample and Split > Split Data，拖拽到Experiment中，將adult.data.csv與Split Data鏈接，并點擊Split Data，將Fraction of rows in firs… 設置為0.8（0.8為訓練集，0.2為測試集，我們后面將用到）

特征工程（略）

確認目標值

選擇訓練模型，選項Train選項中的Train Model，拖拽到Experiment中，同時將Train Model與Split Data鏈接，點擊Train Model>Launch column selector>輸入incom（目標值）

訓練模型

由于我們訓練的模型是有特征值有目標值的監督學習，我們展開"Machine Learning"即機器學習模塊下的"Initialize Model"即初始化模型，展開"Classfication"即分類子模塊。在此實驗中，我們使用"Two-Class Boosted Decision Tree"即雙類提升的決策樹算法。并與Train Model鏈接

模型評分

選擇Score>Score Model,拖拽到Experiment中，同時將Score Model分別與Split Data、Split Data鏈接。

點擊菜單頁下方的RUN，開始訓練

等待模塊中時鐘圖標消失，右擊Score Model>Scored dataset>Visualize查看圖形可視化

incom為實際值，Scired Labels為預測值，Scored Probabilities為預測得分

選擇Machine Learning>Evaluate>Evaluate Model與Score Model鏈接，右擊Evaluate Model選擇RUN，同樣Visualize查看圖形可視化，我們可以看到ROC曲線以及其參數

總結

以上是生活随笔為你收集整理的Azure机器学习模型搭建的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。