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