Przegląd zestawu danych

Zestaw danych Mini_Daily_Temperatures opisuje minimalne temperatury dobowe w ciągu 10 lat (1981-1990) w mieście Melbourne w Australii. Jednostki są w stopniach celsjusza, a zestaw danych zawiera 3650 obserwacji. Źródłem danych jest Australian Bureau of Meteorology. Szczegółowe informacje na temat zestawu danych są opisane tutaj:

• Kolumna Min_Temp będzie używana jako kolumna predykcji w celu zbudowania rurociągów i prognozowania przyszłych dziennych temperatur minimalnych. Przed szkoleniem rurociągu kolumna date i kolumna Min_Temp są używane razem, aby określić odpowiednie okno wyszukiwania.

• Kolumna predykcja prognozuje przewidywanie dla dziennej minimalnej temperatury w określonym dniu.

• Przykładowe dane są ustrukturyzowane w wierszach i kolumnach i zapisywane w postaci pliku .csv.

Przegląd zadań

W tym kursie należy wykonać następujące kroki, aby utworzyć eksperyment szeregów czasowych jednej zmiennej:

1. Tworzenie projektu
2. Tworzenie eksperymentu AutoAI
3. Skonfiguruj eksperyment
4. Przejrzyj wyniki eksperymentu
5. Wdróż przeszkolony model
6. Testowanie wdrożonego modelu

Tworzenie projektu

Aby pobrać zestaw danych Mini_Daily_Temperatures z galerii i utworzyć pusty projekt, wykonaj następujące kroki:

1. W menu nawigacyjnym kliknij opcję Galeria , a następnie pobierz lokalną kopię zestawu danych Mini_Daily_Temperatures .
2. W menu nawigacyjnym kliknij opcję Projekty > Wyświetl wszystkie projekty, a następnie kliknij opcję Nowy projekt.
   1. Kliknij opcję Utwórz pusty projekt.
   2. Wprowadź nazwę i opcjonalny opis projektu.
   3. Kliknij makro Create.

Tworzenie eksperymentu AutoAI

Aby utworzyć eksperyment AutoAI i dodać przykładowe dane do eksperymentu, wykonaj następujące kroki:

1. Na karcie Zasoby , z poziomu projektu, kliknij opcję Nowy zasób > AutoAI.

2. Podaj nazwę i opcjonalny opis eksperymentu, a następnie wybierz opcję Utwórz.

3. Wybierz opcję Powiąż instancję usługi Machine Learning , aby utworzyć nową instancję usługi lub powiązać istniejącą instancję z projektem. Kliknij przycisk Przeładuj , aby potwierdzić konfigurację.

4. Kliknij makro Create.

5. Aby dodać przykładowe dane, wybierz jedną z następujących metod:
   

   • Jeśli plik został pobrany lokalnie, należy przesłać plik danych uczących Daily_Min_Temperatures.csv, klikając przycisk Przeglądaj , a następnie podążając za zachętą.
     
   • Jeśli plik został już przesłany do projektu, kliknij opcję Wybierz z projektu, a następnie wybierz kartę Zasób danych i wybierz opcję Daily_Min_Temperatures.csv.

Konfiguruj eksperyment

Aby skonfigurować eksperyment szeregów czasowych AutoAI , należy wykonać następujące czynności:

1. Kliknij przycisk Tak , aby wybrać opcję utworzenia prognozy szeregów czasowych.

2. Wybierz jako kolumny predykcji: Min_Temp.

3. Wybierz kolumnę daty/godziny: Date.

   

4. Kliknij opcję Ustawienia eksperymentu , aby skonfigurować eksperyment:
   

   1. Na stronie Źródło danych wybierz kartę szeregi czasowe .
      

   2. Na potrzeby tego kursu zaakceptuj wartość domyślną Number of backtests (4), Gap length (0 steps) i Holdout length (20 steps) (długość kroków).

      Uwaga: Jeśli zmienisz wartość dowolnego z parametrów: *Number of backtests *, *Gap length *, or *Holdout length *, to długość sprawdzania poprawności jest zmieniana.

   c. Kliknij przycisk Anuluj , aby wyjść z obszaru Ustawienia eksperymentu.
   

   

5. Kliknij opcję Uruchom eksperyment , aby rozpocząć szkolenie.

Przejrzyj wyniki eksperymentu

Wykonanie eksperymentu trwa kilka minut. Jako pociągi eksperymentu wizualizacja przedstawia transformacje, które są używane do tworzenia rurociągów. Wykonaj poniższe kroki, aby przejrzeć wyniki eksperymentu i zapisać rurociąg przy użyciu najlepszej wydajności.

1. (Opcjonalne): Umieść kursor myszy nad dowolnym węzłem w wizualizacji, aby uzyskać szczegółowe informacje na temat transformacji dla konkretnego potoku.

   

2. (Opcjonalnie): Po tym, jak potoki są wyświetlane na tablicy liderów, kliknij opcję Porównanie potoku , aby sprawdzić, w jaki sposób różnią się one. Na przykład:

   

3. (Opcjonalnie): Po zakończeniu szkolenia do tablicy liderów zapisywane są trzy najlepsze ropiki. Kliknij opcję Wyświetl odrzucone potokiny , aby przejrzeć rurociągi o najmniejszym wydajności.

   

4. Wybierz potok z rangą 1 i kliknij przycisk Zapisz jako , aby utworzyć model. Następnie wybierz opcję Utwórz. To działanie zapisze rurociąg w sekcji Modele na karcie Zasoby.

Wdróż wyszkolony model

Zanim będzie można użyć wyszkolonego modelu do tworzenia predykcji dla nowych danych, należy wdrożyć model. Aby awansować wyszkolony model do miejsca wdrożenia, należy wykonać następujące kroki:

1. Model można wdrożyć na stronie szczegółów modelu. Aby uzyskać dostęp do strony szczegółów modelu, należy wybrać jedną z następujących metod:
   • Kliknij nazwę modelu w powiadomieniu, które jest wyświetlane podczas zapisywania modelu.
   • Otwórz stronę Zasoby dla projektu, który zawiera model, a następnie kliknij nazwę modelu w sekcji Model Machine Learning .
2. Kliknij opcję Awansuj do obszaru wdrażania, a następnie wybierz lub utwórz miejsce wdrożenia, w którym zostanie wdrożony model.
   (Opcjonalnie): Aby utworzyć obszar wdrażania, wykonaj następujące kroki:
   

   1. Z listy Miejsce docelowe wybierz opcję Utwórz nowy obszar wdrażania.
      

   2. Wprowadź nazwę obszaru wdrażania.
      

   3. Aby powiązać instancję uczenia maszynowego, przejdź do sekcji Wybierz usługę uczenia maszynowego (opcjonalnie) , a następnie wybierz instancję z listy.
      

   4. Kliknij makro Create.
      

3. Po wybraniu lub utworzeniu obszaru kliknij opcję Awansuj.
4. Kliknij odsyłacz obszaru wdrażania od powiadomienia.
5. Na karcie Zasoby w obszarze wdrażania:
   1. Umieść wskaźnik myszy nad nazwą modelu, a następnie kliknij ikonę wdrażania .
   2. Na stronie, która zostanie otwarta, wypełniaj pola:
      1. Podaj nazwę wdrożenia.
      2. Wybierz opcję Tryb z połączeniem jako Typ wdrożenia.
      3. Kliknij makro Create.

Po zakończeniu wdrażania kliknij kartę Deployments (Wdrożenia), a następnie wybierz nazwę wdrożenia, aby wyświetlić stronę szczegółów.

Testowanie wdrożonego modelu

Aby przetestować wdrożony model na stronie szczegółów wdrożenia, wykonaj następujące kroki:

1. Na karcie Test na stronie szczegółów wdrożenia kliknij ikonę terminalu , a następnie wprowadź następujące dane testowe JSON:

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

   Uwaga: Dane testowe replikują pola danych dla modelu, z wyjątkiem pola predykcji.

2. Kliknij opcję Predict , aby przewidzieć przyszłą minimalną temperaturę.

Temat nadrzędny: Budowanie eksperymentu szeregów czasowych