阿里云 |机器学习基础任务快速入门教程

2019年01月27日 由 荟荟 发表 669639 0

开始使用阿里云机器学习


阿里云机器学习平台是一套基于MaxCompute(原ODPS)的数据挖掘、建模、预测的工具,为您提供算法开发、分享、模型训练、部署、监控等一站式算法服务。通过统计学算法,对大量的历史数据进行学习从而生成经验模型,利用经验模型指导业务。您可以通过可视化的操作界面来操作整个实验流程,同时也支持PAI命令,您可通过命令行来操作实验。


本文档主要描述如何在机器学习平台上完成一些基本的任务。文章将从以下顺序为您介绍:

  • 1.快速开通并创建

  • 2.数据准备

  • 3.数据预处理

  • 4.数据可视化

  • 5.算法建模

  • 6.模型评估


 一.开通和创建


1.登陆阿里云官网,请先注册阿里云账号。


2.进入MaxCompute,选择相应的区域进行购买。目前阿里云机器学习支持“华东2”、“华北2”和“华南1”三个区域,推荐使用“华东2”,注意选择“按量付费”,如下图所示。

阿里云 |机器学习基础任务快速入门教程


3.单击管理控制台进入机器学习控制台开通项目。需要完成以下三步:实名认证、创建AK、开通项目。


阿里云 |机器学习基础任务快速入门教程


完成以上流程后,在控制台单击进入机器学习。 


阿里云 |机器学习基础任务快速入门教程

1.单击左上角的首页,进入产品首页。

阿里云 |机器学习基础任务快速入门教程

2.选择一个模板创建。单击从模板创建开始创建模板,单击查看文档可以看到详细的案例说明。
模板包含完整的实验流程以及数据,可以帮助您快速上手使用,新手建议使用心脏病预测模板,可以参照文档进行学习。阿里云 |机器学习基础任务快速入门教程

3.模板创建需要十秒钟左右时间,创建成功后如下图所示。单击运行开始实验,可以右键单击每个组件观察实验产出。

阿里云 |机器学习基础任务快速入门教程





二.数据准备


1.机器学习平台上传数据说明


机器学习平台底层支持两种数据源,一种是MaxCompute存储数据,另一种是OSS存储数据。

注意:使用MaxCompute作为存储,建议当数据小于20MB时使用机器学习IDE环境上传,当数据大于20MB时使用命令行工具上传。

  • MaxCompute上传数据:MaxCompute主要用来存储表结构数据,支持稀疏与稠密两种格式的数据,支持机器学习IDE上传命令行工具上传两种方式。这部分的数据主要针对平台中除了深度学习以外的算法组件。

  • OSS上传数据:OSS数据源主要针对深度学习相关算法组件,可用来存储结构化或非结构化数据。


2.IDE端上传数据到MaxCompute


(1).进入机器学习平台,单击数据源,创建表。

阿里云 |机器学习基础任务快速入门教程

(2).选择相应的数据源,并创建与之匹配的字段。建议使用txt格式上传,csv格式易出现特殊字符。

阿里云 |机器学习基础任务快速入门教程

对于稀疏格式数据,请参考libsvm数据使用文件上传数据。

命令行工具上传数据到MaxCompute


MaxCompute提供多种数据上传方式。请参考数据迁移到MaxCompute的N种方式,选择最合适的方式上传数据。


OSS上传数据


OSS上传数据,请参见:https://promotion.aliyun.com/ntms/act/ossdoclist.html

操作步骤


1.开通并进入机器学习界面后,单击左边菜单栏的首页,选择新建->新建空白试验,如下图所示。

阿里云 |机器学习基础任务快速入门教程

2.单击左边菜单栏的组件,打开源/目标文件夹,向画布中拖入读数据表组件,在右侧表选择栏填入对应的MaxCompute表名,如下图所示。

阿里云 |机器学习基础任务快速入门教程

3.切换到字段信息栏,如下图所示,可以查看输入表的字段名、数据类型和前100行数据的数值分布。

阿里云 |机器学习基础任务快速入门教程




三.数据预处理


1.数据准备完成后,单击组件,在工具数据预处理文件夹下将SQL脚本类型转换归一化组件拖到画布中,并拼接成如下实验。


阿里云 |机器学习基础任务快速入门教程


2.单击SQL脚本组件,在画布右侧的SQL脚本输入栏中输入sql语句,根据每个字段的含义将字符型转为数值。



select age,
(case sex when 'male' then 1 else 0 end) as sex,
(case cp when 'angina' then 0 when 'notang' then 1 else 2 end) as cp,
trestbps,
chol,
(case fbs when 'true' then 1 else 0 end) as fbs,
(case restecg when 'norm' then 0 when 'abn' then 1 else 2 end) as restecg,
thalach,
(case exang when 'true' then 1 else 0 end) as exang,
oldpeak,
(case slop when 'up' then 0 when 'flat' then 1 else 2 end) as slop,
ca,
(case thal when 'norm' then 0 when 'fix' then 1 else 2 end) as thal,
(case status when 'sick' then 1 else 0 end) as ifHealth
from ${t1};

3.单击数据转换组件,在画布右侧的字段设置页签,单击转换为double类型的列下方的选择字段,选择全部字段,将字段类型转换为double。

阿里云 |机器学习基础任务快速入门教程4.单击归一化组件,在画布右侧的字段设置页签,选择全部字段。完成后单击画布下方的运行,系统将自动开始运行实验,在运行过程中可右键查看各组件的输出。

5.在数据预处理文件夹下,将拆分组件拖到画布中,并拼接运行,如下图所示。阿里云 |机器学习基础任务快速入门教程

说明:此步骤的目的是将数据拆分成两份,80%作为模型训练集,20%作为模型预测集。







四.数据可视化


1.在统计分析文件夹下,将全表统计组件拖入画布中,连接并运行,如下图所示。

阿里云 |机器学习基础任务快速入门教程

2.待实验运行结束后,右键单击全表统计,选择查看数据,可看到数据的全表统计信息,如下图所示。

阿里云 |机器学习基础任务快速入门教程






五.算法建模


1.在机器学习->二分类文件夹下,将逻辑回归二分类组件拖入画布。

2.在右侧的字段设置页签,将目标列设置为“ifhealth”,训练特征列选择除目标列以外的全部列,并拼接运行,如下图所示。

阿里云 |机器学习基础任务快速入门教程




六.模型评估


1.在机器学习文件夹下,将预测组件拖入画布,并连接对应的组件流和数据流,如下图所示。

阿里云 |机器学习基础任务快速入门教程

2.在机器学习->评估文件夹下,将二分类评估组件拖入画布。在画布右侧的字段设置页签,将原始标签列列名设置为“ifhealth”,并连接对应的组件流和数据流。

3.单击运行。完成后右键单击二分类评估组件,选择查看评估报告,单击图表页签,得到不同参数下训练的LR模型的ROC曲线,如下图所示。

阿里云 |机器学习基础任务快速入门教程
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
评论 登录
热门职位
Maluuba
20000~40000/月
Cisco
25000~30000/月 深圳市
PilotAILabs
30000~60000/年 深圳市
写评论取消
回复取消