Přehled datových sad

Datová sada Mini_Daily_Temperatures popisuje minimální minimální denní teploty nad 10 let (1981-1990) ve městě Melbourne, Austrálie. Jednotky jsou ve stupních Celsia a datová sada obsahuje 3650 pozorování. Zdrojem dat je australský úřad Meteorology. Podrobnosti o datové sadě jsou popsány zde:

• Sloupec Min_Temp bude použit jako sloupec predikce pro sestavení ropovodů a předpovídá budoucí denní minimální teploty. Před tréninkem propojení procesů se sloupec date a sloupec Min_Temp používají společně k vyhledání odpovídajícího okna lookate.

• Sloupec předpovědi předpovídá předpověď pro denní minimální teplotu v uvedený den.

• Ukázková data jsou strukturována v řádcích a sloupcích a uložena jako soubor .csv.

Přehled úloh

V tomto výukovém programu postupujete podle níže uvedených kroků při vytváření experimentu s jednovariantkovým časovým řadem:

1. Vytvořit projekt
2. Vytvořte experiment AutoAI
3. Konfigurace experimentu
4. Přezkoumání výsledků experimentu
5. Implementace školeného modelu
6. Testovat implementovaný model

Vytvořit projekt

Postupujte podle těchto kroků a stáhněte datovou sadu Mini_Daily_Temperatures z Galerie a vytvořte prázdný projekt:

1. V navigační nabídce klepněte na volbu Galerie a stáhněte lokální kopii datové sady Mini_Daily_Temperatures .
2. V nabídce navigace klepněte na volbu Projekty > Zobrazit všechny projektya poté klepněte na volbu Nový projekt.
   1. Klepněte na volbu Vytvořit prázdný projekt.
   2. Zadejte název a volitelný popis projektu.
   3. Klepněte na volbu Vytvořit.

Vytvořte experiment AutoAI

Chcete-li vytvořit experiment AutoAI a přidat do svého experimentu ukázková data, postupujte takto:

1. Na kartě Aktiva ve svém projektu klepněte na volbu Nové aktivum > AutoAI.

2. Zadejte název a volitelný popis pro svůj experiment a poté vyberte volbu Vytvořit.

3. Vyberte volbu Přidružit instanci služby Machine Learning k vytvoření nové instance služby nebo k přidružení existující instance k vašemu projektu. Klepnutím na tlačítko Znovu načíst potvrďte svou konfiguraci.

4. Klepněte na volbu Vytvořit.

5. Chcete-li přidat ukázková data, zvolte jednu z těchto metod:
   

   • Pokud jste soubor stáhli lokálně, odešlete soubor tréninkových dat Daily_Min_Temperatures.csvklepnutím na tlačítko Procházet a následným zadáním výzev k zadání.
     
   • Pokud jste soubor již odeslali do svého projektu, klepněte na volbu Vybrat z projektu, poté vyberte kartu Datové aktivum a vyberte volbu Daily_Min_Temperatures.csv.

Konfigurace experimentu

Při konfiguraci experimentu s časovými řadami AutoAI můžete postupovat podle následujících kroků:

1. Chcete-li vytvořit prognózu časové řady, klepněte na tlačítko Ano .

2. Vyberte jako sloupce předpovědi: Min_Temp.

3. Vyberte jako sloupec datum/čas: Date.

   

4. Klepněte na Experimentální nastavení pro konfiguraci experimentu:
   

   1. Na stránce Zdroj dat vyberte kartu Časová řada .
      

   2. Pro tento výukový program přijměte výchozí hodnotu pole Počet zpětných testů (4), Délka mezery (0 kroků) a Délka zadržení (20 kroků).

      Pozn.: Délka ověření platnosti se změní, pokud změníte hodnotu libovolného z parametrů: *Počet zpětných testů *, *Gap length *, nebo *Holdout délka *.

   c. Klepněte na tlačítko Storno pro ukončení Experimentální nastavení.
   

   

5. Klepnutím na tlačítko Spustit experiment zahajte školení.

Přezkoumat výsledky experimentu

Dokončení experimentu trvá několik minut. Jako zkušební vlaky zobrazuje vizualizace transformace, které se používají k vytváření kolon. Chcete-li přezkoumat výsledky experimentu a uložit propojení procesů s nejlepším výkonem, postupujte takto.

1. (Volitelné): Ponechte ukazatel myši nad libovolným uzlem ve vizualizaci a získejte podrobnosti o transformaci pro konkrétní propojení procesů.

   

2. (Volitelné): Po uvedení ropovodů na žebříčku na žebříčku klepněte na Porovnání propojení procesů a uvidíte, jak se liší. Například:

   

3. (Volitelné): Po dokončení školení se do hlavní desky uloží nejlepší tři nejvýkonnější ropovody. Chcete-li přezkoumat potrubí s nejmenší výkonností, klepněte na volbu Zobrazit odložené propojení procesů .

   

4. Vyberte propojení procesů s očíslované pořadí 1 a klepnutím na tlačítko Uložit jako vytvořte svůj model. Poté vyberte volbu Vytvořit. Tato akce uloží kolonu pod sekci Modely na kartě Aktiva.

Implementace trénovaného modelu

Před použitím vyškoleného modelu k provedení předpovědí na nových datech musíte implementovat model. Postupujte takto, chcete-li povýšit váš proškolený model na prostor implementace:

1. Model můžete implementovat ze stránky s podrobnostmi o modelu. Chcete-li získat přístup ke stránce s podrobnostmi o modelu, vyberte jednu z těchto metod:
   • Klepněte na název modelu v oznámení, které se zobrazí při uložení modelu.
   • Otevřete stránku Aktiva pro projekt, který obsahuje model, a klepněte na název modelu v sekci Model výukového programuMachine Learning .
2. Klepněte na volbu Povýšit na prostor implementacea poté vyberte nebo vytvořte prostor implementace, kde bude model implementován.
   (Volitelné): Chcete-li vytvořit prostor implementace, proveďte následující kroky:
   

   1. V seznamu Cílový prostor vyberte volbu Vytvořit nový prostor implementace.
      

   2. Zadejte název pro prostor implementace.
      

   3. Chcete-li přidružit instanci učení počítače, přejděte na volbu Vybrat službu učení počítače (volitelné) a vyberte instanci ze seznamu.
      

   4. Klepněte na volbu Vytvořit.
      

3. Po výběru nebo vytvoření prostoru klepněte na tlačítko Povýšit.
4. Klepněte na odkaz na prostor implementace v oznámení.
5. Na kartě Aktiva v prostoru implementace:
   1. Podržte ukazatel myši nad názvem modelu a klepněte na ikonu implementace .
   2. Na stránce, která se otevře, dokončete pole:
      1. Zadejte název implementace.
      2. Vyberte volbu Online jako Typ implementace.
      3. Klepněte na volbu Vytvořit.

Po dokončení implementace klepněte na kartu Implementace a vyberte název implementace, chcete-li zobrazit stránku podrobností.

Testovat implementovaný model

Postupujte takto, chcete-li testovat implementovaný model ze stránky podrobností implementace:

1. Na stránce Test na stránce podrobností implementace klepněte na ikonu terminálu a zadejte následující testovací data JSON:

   { "input_data": [ {
   
         "fields": [
   
               "Min_Temp"
   
         ],
   
         "values": [
   
               [7], [15]
   
         ]
   
   } ] }
   

   Pozn.: Testovací data replikují datová pole pro model, kromě pole předpovědi.

2. Klepněte na tlačítko Předpovědět , abyste předpověděli budoucí minimální teplotu.

Nadřízené téma: Sestavení experimentu časových řad