使用 Azure AI 完成自动化机器学习（更新版）

怎么办呢，王同学精益求精，搞Azure AI搞出心得来了，对上一次写的科普文章不满意啊，于是又写了一次，这回要学Azure AI的同学可以直接看这次的更新版了。

Azure AI 提供了强大的定制化功能，可以根据业务需求对模型进行微调。通过 Azure Machine Learning 平台，用户可以自定义训练自己的机器学习模型，并通过 Azure AI 平台的基础设施进行部署和扩展。这样，开发者不仅可以使用预构建的模型，还可以根据实际场景进行调整。

创建工作区

创建完成后，系统会生成新的工作区，点击后进入如下界面。

在该工作区中，有默认的策展环境，用户也可以使用本地环境。使用本地环境适合有定制化需求或想要控制训练过程的开发者。如果数据敏感性较高或数据量较小，本地计算资源足够时，可以选择本地环境。而当处理大数据集时，建议使用策展环境。Azure 提供了完整的机器学习环境，预装了许多流行的库和框架，如 Scikit-learn、TensorFlow、PyTorch 等，用户无需手动配置环境，开箱即用。如下所示

自动化 ML 使用步骤

1. 点击新建自动化 ML 作业

1. 命名完成后点击“下一步”

1. 选择分类任务为例子

自动化ML实践

我们先以分类预测为例子开始

数据集导入

在此处一开始没有数据源，用户可以点击新建导入数据集。首先我们要做的是对数据源命名

我们以微软自动化 ML 使用教程中的样本数据集为例，数据用于预测客户是否参加银行营销活动。以下是数据集字段的个人理解：

• age: 整数型（int64） - 客户的年龄
• job: 字符串（object） - 客户的职业类别
• marital: 字符串（object） - 客户的婚姻状态
• education: 字符串（object） - 客户的教育水平
• default: 字符串（object） - 客户是否有信用违约记录（"yes"/"no"）
• housing: 字符串（object） - 客户是否有住房贷款（"yes"/"no"）
• loan: 字符串（object） - 客户是否有个人贷款（"yes"/"no"）
• contact: 字符串（object） - 与客户联系的通信方式（"cellular"/"telephone"）
• month: 字符串（object） - 上次联系的月份
• day_of_week: 字符串（object） - 上次联系的星期几
• duration: 整数型（int64） - 最近一次联系的持续时间（秒）
• campaign: 整数型（int64） - 在本次活动中联系客户的次数
• pdays: 整数型（int64） - 距离上次活动联系客户的天数（999 表示之前没有联系过）
• previous: 整数型（int64） - 本次活动之前联系客户的次数
• poutcome: 字符串（object） - 之前营销活动的结果（"success"、"failure"、"nonexistent"）
• emp.var.rate: 浮点型（float64） - 就业变化率
• cons.price.idx: 浮点型（float64） - 消费者物价指数
• cons.conf.idx: 浮点型（float64） - 消费者信心指数
• euribor3m: 浮点型（float64） - 三个月欧元银行间同业拆借利率
• nr.employed: 浮点型（float64） - 在职员工数量
• y: 字符串（object） - 目标变量，表示客户是否接受了营销活动（"yes"/"no"）

命名完成后我们下一步就是选择导入的数据来源

在这里你可以有多种途径导入数据，这里我的示例是从本地上传已经下载好的文件

但是上传自然要有存储位置，这里我们再新建一个地方存储我们上传的数据，如下图新建完成后我们开始上传文件

下面是上传成功后的画面

导入数据并选择属性

导入数据后，可以选择哪些属性参与训练。例如，已知无关的数据如 day_of_week 可以取消选择。

任务设置

最后数据创建成功我们开始任务设置，在任务设置中，可以选择不想用的模型以减少时间，

此外还可以对任务进行时间和并发限制。

最近选择k交叉验证开始任务 但是在在任务开始之前，我们需要创建自己的计算实例，可以理解成租借服务器帮助运算，这里选择计算集群作为计算类型，设置完成后即可开始任务。

运行过程

任务开始后，我们可以观察目前的部分模型运行结果，最终在设定时间结束后，自动化 ML 会自动停止并给出最优模型，还能查看详细的指标和图表。

最终在设定时间结束后，自动化 ML 会自动停止并给出最优模型，还能查看详细的指标和图表。

模型评估

通过混淆矩阵可以看出，模型在预测不参加活动的客户上较为准确，但对真正参加活动的客户有一定误判，误判率接近 50%。

此外，最佳模型采用的是多分类器投票模型。可以通过数据转换部分查看其投票组成。

时间序列预测

在这部分，我们将展示如何使用 Azure 自动化机器学习进行时间序列预测。时间序列预测任务的目标是通过历史数据来预测未来的趋势。在示例中，我们使用的时间序列数据集包含自行车租赁的记录。

数据集预览

以下是数据集的字段说明：

• instant: 整数型（数值） - 记录的唯一标识符或索引。
• date: 日期型（字符串） - 日期（格式为 MM/DD/YYYY）。
• season: 整数型（分类） - 季节编码（1 代表春季，2 代表夏季，3 代表秋季，4 代表冬季）。
• yr: 整数型（二进制） - 年份（0 代表 2011 年，1 代表 2012 年）。
• mnth: 整数型（分类） - 月份（1 代表 1 月，2 代表 2 月，等等）。
• weekday: 整数型（分类） - 一周中的某一天（0 代表周日，1 代表周一，依此类推）。
• weathersit: 整数型（分类） - 天气情况（1 代表晴朗，2 代表多云，3 代表轻微降雨，4 代表大雨）。
• temp: 浮点型（数值） - 标准化后的温度值（通常是摄氏度，范围为 0-1）。
• atemp: 浮点型（数值） - 体感温度，标准化后的值。
• hum: 浮点型（数值） - 湿度，标准化后的值。
• windspeed: 浮点型（数值） - 风速，标准化后的值。
• casual: 整数型（数值） - 未注册用户的自行车租借次数。
• registered: 整数型（数值） - 注册用户的自行车租借次数。
• cnt: 整数型（数值） - 总的自行车租借次数（casual + registered 的总和）。

在数据处理部分，我们关闭了 casual 和 registered 字段，因为它们与 cnt 是线性相关的，属于目标变量的一部分。模型预测的目标是 cnt（总租借次数）。

任务类型选择 时间序列预测，并设定以下模型和参数：

• 去除极端随机树模型（Extra Trees Model）。
• 选择规范化均方根误差（NRMSE）作为评估标准。
• 预测目标滞后：无。
• 目标滚动窗口大小：无。
• 实验时间：3小时。
• 最大并发数：6。
• K折交叉验证：5次。

运行完成后，系统会自动选择最佳模型，并展示详细的评估结果。最终选定的最佳模型是根据规范化均方根误差（NRMSE）来确定的。通过对模型的评估，我们可以看到模型在不同时间段的预测表现。

可以看出模型在解释方差和预测趋势方面表现良好。然而，高MAE和低R²表明在准确性方面还有提升空间。

总结

Azure AI 的自动化机器学习提供了一整套端到端的解决方案。通过简化模型选择、数据处理、模型评估等步骤，开发者可以快速实现自定义任务。AutoML大幅减少了手动调参的工作量，并通过混合模型提升了精度。并且由于系统提供的各类可个性化的选项，允许用户可以在在不同的环境下进行高效训练和部署。Azure AI 的 AutoML 不仅减少了人工干预，还提供了强大的自动化能力，尤其是在特征工程、模型选择和超参数调优方面。其平台集成了多个常见的机器学习算法，并可以完成多种任务，包括分类、回归和时间序列预测。AutoML最后的模型报告的解释性功能还帮助用户理解模型的决策过程。最终通过他的自动化机器学习可以让使用者在较低的基础下也能完成许多数据分析的任务。返回搜狐，查看更多

责任编辑：