Neste laboratório, utilizarei o recurso de aprendizado de máquina automatizado no Azure Machine Learning para treinar e avaliar um modelo de aprendizado de máquina.
Acesse ao portal de Azure com suas credenciais. Selecione + Criar um recurso, e pesquise Azure Machine Learning com as seguintes configurações:
- Configurações básicas:
Nome do trabalho: mslearn-bike-automl
Nome do novo experimento: mslearn-bike-rental
Descrição: Aprendizado automático de máquina para previsão de aluguel de bicicletas
Tags: nenhum
- Tipo de tarefa e dados:
Selecione o tipo de tarefa: Regressão
Selecione o conjunto de dados: Crie um novo conjunto de dados com as seguintes configurações:
Tipo de dados:
Nome: bike-rentals
Descrição: Dados históricos de aluguel de bicicletas
Tipo: Tabular
Fonte de dados:
Selecionar de arquivos da Web
URL da Web:
URL da Web: https://aka.ms/bike-rentals
Ignorar validação de dados: não selecionar
Configurações:
File format (Formato de arquivo): Delimitado
Delimitador: Comma
Codificação: UTF-8
Cabeçalhos de coluna: Somente o primeiro arquivo tem cabeçalhos
Pular linhas: Nenhum
O conjunto de dados contém dados com várias linhas: não selecionar
Esquema:
Include all columns other than Path (Incluir todas as colunas que não sejam Path)
Revise os tipos detectados automaticamente
Selecione Create (Criar). Depois que o conjunto de dados for criado, selecione o conjunto de dados bike-rentals para continuar a enviar o trabalho de ML automatizado.
- Configurações da tarefa:
Tipo de tarefa: Regressão
Conjunto de dados: bike-rentals
Coluna de destino: Aluguel (número inteiro)
Definições de configuração adicionais:
Métrica primária: Normalized root mean squared error (erro quadrático médio normalizado)
Explicar o melhor modelo: Não selecionado
Usar todos os modelos suportados: Não selecionado. Você restringirá o trabalho para tentar apenas alguns algoritmos específicos.
Modelos permitidos: Selecione apenas RandomForest e LightGBM - normalmente você gostaria de testar o maior número possível, mas cada modelo adicionado aumenta o tempo necessário para executar o trabalho.
Limites: Expanda esta seção
Máximo de tentativas: 3
Máximo de tentativas simultâneas: 3
Máximo de nós: 3
Limite de pontuação métrica: 0,085 (de modo que, se um modelo atingir uma pontuação métrica de erro quadrático médio normalizado de 0,085 ou menos, o trabalho será encerrado).
Tempo limite: 15
Tempo limite de iteração: 15
Ativar o encerramento antecipado: Selecionado
Validação e teste:
Tipo de validação: Divisão de treinamento-validação
Porcentagem de dados de validação: 10
Conjunto de dados de teste: Nenhum
-
Servidor
Selecione o tipo de computação: Sem servidor Tipo de máquina virtual: CPU Nível da máquina virtual: Dedicada Tamanho da máquina virtual: Standard_DS3_V2* Número de instâncias: 1
Implantar e testar o modelo Name: predict-rentals Description: Predict cycle rentals Compute type: Azure Container Instance Enable authentication: Selected
- Teste do serviço implantado input Resposta do modelo
{
"Results":[
0:float 399.8883147614036
]
}