iot キットハンズオン解説 (azure ml studio 編) part2 回帰分析
TRANSCRIPT
Techfair.jp 2017年3月2017年3月4日
瀬尾佳隆 (@seosoft)Microsoft MVP for Windows Dev
IoT キットハンズオン解説(Azure ML Studio 編)
#2 回帰分析
おことわり
本資料は、2017年3月4日時点の内容です
Slideshare 公開した 2018年1月時点では一部古い内容を含んでいることがありますが、記録・参考として公開します
自己紹介
瀬尾佳隆 (せおよしたか)•MVP for Windows Development• http://yseosoft.wordpress.com/• 乃木坂46 / 欅坂46 と仏像 / 屏風絵が好き
Techfair 主宰 (http://techfair.jp/)
Cogbot コミュニティ スタッフ
この資料の特徴
センサーデータの形式はハンズオンと同じもの•ただし、CSV ファイルを Dataset として使います
開発する学習モデルはハンズオンとは別のもの•機械学習の基本的な考え方•ML Studio の操作方法
を理解することを目的とします
#1 共通手順 を先に実施してください
共通手順は本資料では説明していません• http://bit.ly/mlhol_1_20161203
“20161203” ですごめんなさい
回帰分析モデルの作成パラメーターから特定の値を予測する~重力加速度から、温度を数値で予測~
モデリングの流れ
1 データ入力 Saved Datasets, Data Input and Output
2 データ加工 Data Transformation
3 初期モデルの決定 Machine Learning – Initialize Model
4 学習モデルの作成 Machine Learning - Train
5 学習結果の測定 Machine Learning – Score
6 評価用データを予測 Machine Learning – Evaluate
7 未来を予測 Web Service
2.データ加工 の続き学習に適した形に編集する
※ #1 共通手順の続き
2.データ加工~データ分離 (1/2)
学習用データと評価用データとに分ける(件数にもよるが、学習用データを多めにするほうがよい)
2.データ加工~データ分離 (2/2)75%を学習用データとして、
25%を学習結果の測定用データとして使う
3.初期モデルの決定 ~4.学習モデルの作成機械学習の本体
3.初期モデルの決定今回は、線形回帰
4.学習モデルの作成 (1/5)Train Model
4.学習モデルの作成 (2/5)
4.学習モデルの作成 (3/5)予測したい値は “temp”
4.学習モデルの作成 (4/5)
4.学習モデルの作成 (5/5)
ここでも “Run selected”
5.学習結果の測定 ~6.評価用データを予測学習モデルの成績を数値化する
5.学習結果の測定 (1/6)Score Model
5.学習結果の測定 (2/6)“Run selected” してから、Score Model で “Visualize”
5.学習結果の測定 (3/6)
5.学習結果の測定 (4/6)
5.学習結果の測定 (5/6)“Run selected” してから、
Evaluate Model で “Visualize”
5.学習結果の測定 (6/6)
6.評価用データを予測
※今回は省略
7.未来を予測Web Service を作成して、学習したモデルを実際に使ってみる
7.未来を予測~サービス化 (1/7)
※Evaluate Model を削除する必要はありません
(本資料作成の都合で含まれていません)
Web サービスを作るために、全体を “Run”
7.未来を予測~サービス化 (2/7)
Web サービス用 Experiment を自動生成
7.未来を予測~サービス化 (3/7)
自動生成された Experiment (・・・だが、少し使いづらい)
7.未来を予測~サービス化 (4/7)
自動生成された Experiment を編集
7.未来を予測~サービス化 (5/7)
7.未来を予測~サービス化 (6/7)
編集が終わったら “Run selected”
7.未来を予測~サービス化 (7/7)
Web サービスをデプロイ
7.未来を予測~サービス利用 (1/10)
Web サービス管理画面
7.未来を予測~サービス利用 (2/10)
Web サービスを利用して予測
7.未来を予測~サービス利用 (3/10)
予測結果
7.未来を予測~サービス利用 (4/10)
Excel を使って予測してみる
7.未来を予測~サービス利用 (5/10)
アドインを有効化
7.未来を予測~サービス利用 (6/10)
サンプルデータ(の領域)を用意する
7.未来を予測~サービス利用 (7/10)
データ領域を指定
7.未来を予測~サービス利用 (8/10)
7.未来を予測~サービス利用 (9/10)
予測結果の表示領域を指定して、予測開始
7.未来を予測~サービス利用(10/10)
他の学習モデル
分類分析
グループ化
どちらのモデルも、#1 共通手順は同じ
今回の資料
機械学習と Azure ML Studio の基本 (この資料)• http://bit.ly/mlstudio20161203
IoTキットハンズオン解説 (ML Studio パート) #1 共通手順• http://bit.ly/mlhol_1_20161203
IoTキットハンズオン解説 (ML Studio パート) #2 回帰分析• http://bit.ly/mlhol_2_20161203
IoTキットハンズオン解説 (ML Studio パート) #3 分類分析• http://bit.ly/mlhol_3_20161203
IoTキットハンズオン解説 (ML Studio パート) #4 グループ化• http://bit.ly/mlhol_4_20161203
“20161203” ですごめんなさい