azure Machine learing studio 使用示例之 - 使用线性回归算法完成预测评估
Posted _iorilan
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了azure Machine learing studio 使用示例之 - 使用线性回归算法完成预测评估相关的知识,希望对你有一定的参考价值。
本文演示如何使用azure studio基于云测试数据创建第一个machine learning的experiment,算法选择是线性回归。首先要有一个azure studio账号,登录后进入dashboard。
创建一个BLANK的Experiment
![技术分享](https://image.cha138.com/20200616/3496908c6f9e4dc08e762383f7971af9.jpg)
添加测试数据 , 搜索Price, 选择Automibile price data(Raw)
![技术分享](https://image.cha138.com/20200616/fdf8b1ee1f7444089c02b9bb7e405646.jpg)
把这个模块拖到右边的data item位置
![技术分享](https://image.cha138.com/20200616/352af56fc6d24429af63bb17807514ab.jpg)
搜索Project column模块,拖到右边,在Project columns中点击 ‘Launch column selector‘
![技术分享](https://image.cha138.com/20200616/efe953bff5934f799684ff91fa2b56eb.jpg)
希望以所有列作为映射的输入,过滤掉normalized-losses列,如下配置
![技术分享](https://image.cha138.com/20200616/a9cb04e45c0e4622a101f70e83b56e30.jpg)
现在要过滤掉一些无效数据所在的行,搜索clean missing data->选择模块拖到右边->点击模块->将cleaning mode选择为remove entire row
![技术分享](https://image.cha138.com/20200616/559fa8a2a55447988ad091ca0cf32410.jpg)
点击Launch Column selector,选择一些列
![技术分享](https://image.cha138.com/20200616/9e113be66717422ba74d66879d36e900.jpg)
再次搜索并添加Project columns 模块,拖到右边,点击launch columns selector ,
![技术分享](https://image.cha138.com/20200616/0f062896f30749f78ddfc80b73d02df8.jpg)
选择price即可,因为接下来只是对price列进行预测,其他列只作为算法的培训数据。
![技术分享](https://image.cha138.com/20200616/9178de6682174384b449843d3d21fb50.jpg)
添加一个split模块,目的是将测试数据分开使用,本例中以80%作为培训数据,20%的数据作为测试数据,计算验证结果的准确程度。在本模块中,设置作为学习数据的百分比以及随机种子。
![技术分享](https://image.cha138.com/20200616/b2a3e93934bc42288def5d99c6d63473.jpg)
接下来添加算法模块,搜索‘regression‘,在回归算法中选择线性回归,拖到右边
![技术分享](https://image.cha138.com/20200616/e2814f25f5264ea59f420ab3d6553c7b.jpg)
添加train model,使用测试数据进行学习
![技术分享](https://image.cha138.com/20200616/462b7e02531245628b74bd2fce871123.jpg)
点击’Launch Column Selector‘,选择输出的列,这里依然为‘price‘
![技术分享](https://image.cha138.com/20200616/dc77dc7e90f0448fb4fc690a07b69bf6.jpg)
现在可以点击下面的‘run‘进行运行。
最后,添加score module,链接上面train model和之前的split module输出的第二个dataset,用于误差分析
![技术分享](https://image.cha138.com/20200616/8bcc1a4ea6dc47feaab10f367bb6a6a2.jpg)
添加evaluate module,进行结果评估
![技术分享](https://image.cha138.com/20200616/b9ff6f7a8a32436b90957b41e8ab78c7.jpg)
点击‘run‘进行运行。
右键 Evaluate Module -> Evaluate Results -> visualize ,可以看到本次Experiment的精确程度
![技术分享](https://image.cha138.com/20200616/4dbe6f7651854b3f8b33918f6b4e054f.jpg)
以上是关于azure Machine learing studio 使用示例之 - 使用线性回归算法完成预测评估的主要内容,如果未能解决你的问题,请参考以下文章
coursera:machine learing--code-6
Coursera公开课-Machine_learing:编程作业2
Coursera公开课-Machine_learing:编程作业6
Coursera公开课-Machine_learing:编程作业7