机器学习工作室(经典)可以用于执行哪些操作?

适用范围:这是复选标记,意味着本文适用于机器学习工作室(经典)。机器学习工作室(经典) 这是 X,意味着本文不适用于 Azure 机器学习。Azure 机器学习

提示

Customers currently using or evaluating Machine Learning Studio (classic) are encouraged to try Azure Machine Learning designer (preview), which provides drag-n-drop ML modules plus scalability, version control, and enterprise security.

机器学习工作室(经典)是一个拖放式工具,可用于生成、测试和部署机器学习模型。 工作室(经典)将模型发布为 Web 服务,可轻松由自定义应用或 BI 工具(如 Excel)使用。

工作室(经典)交互式工作区

若要开发预测分析模型,通常使用一个或多个源中的数据,然后通过各种数据操作和统计函数对该数据进行转换和分析,生成一组结果。 开发此类模型是一个迭代过程。 在修改各种函数及其参数时,结果会不断趋于一致,直到已训练的有效模型令人满意。

机器学习工作室(经典)提供交互式的可视工作区,可在其中轻松构建、测试和迭代预测分析模型。 可以将数据集和分析模块拖放到交互式画布,将它们连接在一起构成试验,然后在机器学习工作室(经典版)中运行 。 若要在模型设计上迭代,则需要编辑试验,可根据需要保存一个副本,并重新运行该试验。 准备就绪后,可以将训练实验转换为预测实验,然后将其发布为 Web 服务,以便其他人可以访问模型 。

不需要编程,只需以可视方式连接数据集和模块即可构建预测分析模型。

机器学习工作室(经典)示意图:创建试验、读取多个源的数据、编写评分的数据、编写模型。

下载机器学习工作室(经典)概述示意图

下载“Microsoft 机器学习工作室(经典)功能概述”示意图,并获取机器学习工作室(经典)功能的高级视图。 若要随时随地查看,可以打印卡片大小(11 x 17 英寸)的示意图。

此处下载关系图:Azure 机器学习工作室(经典版)功能概述 Azure Machine Learning Studio (classic) Capabilities Overview

工作室(经典版)试验的组成部分

试验由数据集组成,数据集将数据提供给分析模块,将这些模块连接起来即可构成预测分析模型。 具体而言,有效的试验有以下特征:

  • 试验至少包含一个数据集和一个模块
  • 数据集只能连接到模块
  • 模块可以连接到数据集或其他模块
  • 模块的所有输入端口必须与数据流建立某种连接
  • 必须设置每个模块的所有必需参数

可以从头开始创建试验,或者使用现有的示例试验作为模板。 有关详细信息,请参阅复制示例试验以创建新的机器学习试验

有关创建试验的示例,请参阅在机器学习工作室(经典)中创建试验

有关创建预测分析解决方案的更完整演练,请参阅使用机器学习工作室(经典)开发预测解决方案

数据集

数据集是指已上传到机器学习工作室(经典版),可在建模过程中使用的数据。 机器学习工作室(经典版)提供了许多示例数据集供试验,你可根据需要上传更多的数据集。 下面是随附数据集的一些例子:

  • 各种汽车的 MPG 数据 - 汽车的每加仑燃油英里数 (MPG) 值,按缸数、马力等参数列出。
  • 乳腺症数据 - 乳腺癌诊断数据。
  • 森林火灾数据 - 葡萄牙东北部森林火灾的规模。

构建试验时,可以从画布左侧提供的数据集列表中进行选择。

有关机器学习工作室(经典版)随附的示例数据集列表,请参阅使用机器学习工作室(经典)中的示例数据集

模块

模块是可对数据执行的算法。 机器学习工作室(经典)有许多模块,包括数据引入函数、训练、评分和验证过程。 下面是随附模块的一些例子:

构建试验时,可以从画布左侧提供的模块列表中选择。

模块可能提供一组参数用于配置模块的内部算法。 在画布上选择模块时,模块的参数会显示在画布右侧的“属性” 窗格中。 可以在该窗格中修改参数来调整模型。

在浏览可用的机器学习算法大型库时如需帮助,请参阅如何选择 Microsoft 机器学习工作室(经典)的算法

部署预测分析 Web 服务

准备好预测分析模型后,可以从机器学习工作室(经典版)将它部署为 Web 服务。 有关此过程的信息,请参阅 Deploy an Azure Machine Learning web service(部署 Azure 机器学习 Web 服务)。

后续步骤

可以使用分步快速入门基于样本的构建了解预测分析和机器学习的基础知识。