0 / 0
Go back to the English version of the documentation
Rychlý start: Sestavte a implementujte model strojového učení pomocí funkce AutoAI
Last updated: 09. 11. 2023
Rychlý start: Sestavte a implementujte model strojového učení pomocí funkce AutoAI

Proces sestavení modelu strojového učení můžete automatizovat pomocí nástroje AutoAI . Přečtěte si o nástroji AutoAI , pak se podívejte na video a udělejte si výukový program, který je vhodný pro začátečníky a nevyžaduje kódování.

Váš základní sled prací zahrnuje tyto úlohy:

  1. Otevřete svůj projekt sandboxu. Projekty jsou místa, kde můžete spolupracovat s ostatními při práci s daty.
  2. Přidejte data do projektu. Můžete přidat soubory CSV nebo data ze vzdáleného zdroje dat prostřednictvím připojení.
  3. Vytvořte v projektu experiment AutoAI .
  4. Přezkoumejte propojení procesů modelu a uložte požadované propojení procesů jako model, který se má implementovat, nebo jako zápisník, který se má upravit.
  5. Implementujte a otestujte svůj model.

Přečtěte si o AutoAI

Grafický nástroj AutoAI automaticky analyzuje vaše data a generuje kandidátská modelová propojení procesů přizpůsobená pro váš problém s prediktivním modelováním. Tyto modelové kolony jsou vytvářeny iterativně, protože AutoAI analyzuje datovou sadu a zjišťuje transformace dat, algoritmy a nastavení parametrů, které nejlépe odpovídají vašemu nastavení problému. Výsledky jsou zobrazeny na žebříčku, zobrazující automaticky generované modelové propojení procesů seřazené podle vašeho cíle optimalizace problému.

Přečtěte si více o AutoAI

Další informace o dalších způsobech sestavení modelů

Podívejte se na video o vytváření modelu pomocí funkce AutoAI

Zhlédnout video Podívejte se na toto video, abyste zjistili, jak vytvořit a spustit experiment AutoAI založený na ukázce bankovního marketingu.

Poznámka: Toto video zobrazuje úlohy 2-5 tohoto výukového programu.

Toto video poskytuje vizuální metodu, jak se seznámit s koncepty a úlohami v této dokumentaci.

Vyzkoušejte výukový program pro vytvoření modelu pomocí AutoAI

Tento výukový program vás provede školením modelu, abyste předpovídali, zda se zákazník pravděpodobně přihlásí k odběru termínového vkladu na základě marketingové kampaně.

V tomto výukovém programu dokončíte tyto úlohy:

Dokončení tohoto výukového programu bude trvat přibližně 30 minut.

Ukázková data

Ukázková data, která se používají v řízených zkušenostech, jsou UCI: Marketingová data banky použitá k předpovědi, zda se zákazník zapíše do marketingové propagace.

Tabulka datové sady Bank Marketing



  • Použití obrazového videa v obraze

    Tip: Spusťte video a při procházení výukovým programem se video přesune do režimu obrazu v obraze. Zavřete video obsah pro nejlepší zážitek s obrazem v obraze. Můžete použít režim obrazu v obraze, takže můžete sledovat video po dokončení úloh v tomto výukovém programu. Klepněte na časová razítka pro každou úlohu, kterou chcete sledovat.

    Následující animovaný obrázek ukazuje, jak používat obrazový obraz v obraze a obsah:

    Jak používat obrázky v obraze a kapitoly

    Získejte pomoc v komunitě

    Potřebujete-li pomoc s tímto výukovým programem, můžete položit otázku nebo najít odpověď v diskusním fóru komunity Cloud Pak for Data.

    Nastavení oken prohlížeče

    Chcete-li získat optimální zkušenost s dokončením tohoto výukového programu, otevřete Cloud Pak for Data v jednom okně prohlížeče a ponechte tuto stránku výukového programu otevřenou v jiném okně prohlížeče, abyste snadno přepínali mezi oběma aplikacemi. Zvažte uspořádání dvou oken prohlížeče vedle sebe, abyste usnadnili sledování.

    Vedlejší výukový program a uživatelské rozhraní

    Tip: Pokud při provádění tohoto výukového programu v uživatelském rozhraní narazíte na asistovanou prohlídku, klepněte na Možná později.

    Zpět na začátek


  • K uložení dat a experimentu AutoAI potřebujete projekt. Můžete použít svůj projekt sandboxu nebo vytvořit projekt.

    1. V navigační nabídce Navigační nabídkavyberte volbu Projekty > Zobrazit všechny projekty .

    2. Otevřete svůj projekt sandboxu. Chcete-li použít nový projekt:

      1. Klepněte na volbu Nový projekt.

      2. Vyberte volbu Vytvořit prázdný projekt.

      3. Zadejte název a volitelný popis projektu.

      4. Vyberte existující instanci služby úložiště objektů nebo vytvořte novou.

      5. Klepněte na volbu Vytvořit.

    3. Po otevření projektu klepněte na kartu Spravovat a vyberte stránku Služby a integrace .

      1. Na kartě IBM klepněte na volbu Přidružit službu.

      2. Vyberte instanci Watson Machine Learning . Pokud ještě nemáte zajištěnou instanci služby Watson Machine Learning , postupujte takto:

        1. Klepněte na volbu Nová služba.

        2. Vyberte volbu Watson Machine Learning.

        3. Klepněte na volbu Vytvořit.

        4. Vyberte novou instanci služby ze seznamu.

      3. Klepněte na volbu Přidružit službu.

      4. V případě potřeby se klepnutím na tlačítko Storno vraťte na stránku Služby a integrace .

    Další informace nebo sledování videa naleznete v tématu Vytvoření projektu.

    Ikona kontrolního bodu Zkontrolujte svůj pokrok

    Následující obrázek zobrazuje nový projekt.

    Následující obrázek zobrazuje nový projekt.


    Zpět na začátek


  • náhled výukového videa Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 00:08.

    Nyní, když máte projekt, jste připraveni sestavit a natrénovat model pomocí AutoAI. Chcete-li vytvořit experiment AutoAI , zkontrolovat modelové kolony a vybrat propojení procesů, které se mají uložit jako model, postupujte takto:

    1. Klepněte na kartu Aktiva ve vašem projektu a poté klepněte na volbu Nová úloha > Sestavit modely strojového učení automaticky.

    2. Na stránce Sestavit modely strojového učení automaticky vyplňte základní pole:

      1. Klepněte na panel Ukázky .

      2. Vyberte volbu Ukázková data marketingu bankya klepněte na tlačítko Další. Název a popis projektu vám budou vyplněny.

      3. Potvrďte, že instance služby Machine Learning , kterou jste přidružili k projektu, je vybrána v poli Watson Machine Learning Service .

    3. Klepněte na volbu Vytvořit.

    4. V tomto ukázkovém experimentu AutoAI uvidíte, že ukázková data marketingu banky jsou již pro váš experiment vybrána.

      Zvolit sloupec předpovědí

    5. Zkontrolujte nastavení přednastaveného experimentu. Na základě datové sady a vybraného sloupce, který se má předpovědět, AutoAI analyzuje podmnožinu dat a zvolí typ předpovědi a metriku pro optimalizaci. V tomto případě je typ předpovědi Binární klasifikace, kladná třída je Anoa optimalizovaná metrika je ROC AUC & běhové prostředí.

    6. Klepněte na volbu Spustit experiment. Jako model trénuje, uvidíte infografiku, která zobrazuje proces sestavení potrubí.
      Propojení procesů modelu sestavení

      Seznam algoritmů nebo odhadů, které jsou k dispozici s každou technikou strojového učení v části AutoAI, viz: AutoAI.

    7. Po dokončení spuštění experimentu můžete zobrazit a porovnat ohodnocená potrubí v žebříčku.

      Žebříček potrubí

    8. Můžete klepnout na volbu Porovnání propojení procesů , abyste viděli, jak se liší.

      Graf metrik porovnání propojení procesů

    9. Chcete-li zobrazit podrobnosti o propojení procesů, klepněte na propojení procesů s nejvyšším hodnocením.

    10. Klepněte na volbu Uložit jako, vyberte volbu Modela klepněte na volbu Vytvořit. To uloží propojení procesů jako model ve vašem projektu.

    11. Po uložení modelu klepněte v oznámení na odkaz Zobrazit v projektu a zobrazte model ve vašem projektu. Případně můžete přejít na kartu Aktiva v projektu a klepnout na název modelu v sekci Modely .

    Ikona kontrolního bodu Zkontrolujte svůj pokrok

    Následující obrázek ukazuje model.

    Následující obrázek ukazuje model.


    Zpět na začátek


  • náhled výukového videa Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 04:57.

    Než budete moci implementovat model, musíte jej povýšit do prostoru implementace. Chcete-li povýšit model do prostoru implementace pro implementaci modelu, postupujte takto:

    1. Klepněte na volbu Povýšit na prostor implementace.

    2. Zvolte existující prostor implementace. Pokud nemáte prostor pro nasazení:

      1. Klepněte na volbu Vytvořit nový prostor implementace.

      2. Zadejte název prostoru a volitelný popis.

      3. Vyberte službu úložiště.

      4. Vyberte službu strojového učení.

      5. Klepněte na volbu Vytvořit.

      6. Klepněte na Zavřít.

    3. Vyberte nový prostor implementace ze seznamu.

    4. Vyberte volbu Přejít na model v prostoru po jeho povýšení .

    5. Klepněte na volbu Povýšit.

      Pozn.: Pokud jste nevybrali volbu pro přechod na model v prostoru po jeho povýšení, můžete použít navigační nabídku k přechodu na Nasazení a vybrat prostor implementace a model.
    6. Po otevření modelu klepněte na volbu Nová implementace.

      1. Vyberte volbu Online jako Typ implementace.

      2. Zadejte název pro implementaci.

      3. Klepněte na volbu Vytvořit.

    7. Po dokončení implementace klepnutím na název implementace zobrazte stránku s podrobnostmi o implementaci.

    Ikona kontrolního bodu Zkontrolujte svůj pokrok

    Následující obrázek ukazuje novou implementaci.

    Následující obrázek ukazuje novou implementaci.


    Zpět na začátek


  • náhled výukového videa Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 06:22.

    Nyní, když máte nasazený model, můžete otestovat tuto implementaci online pomocí uživatelského rozhraní nebo pomocí rozhraní API Watson Machine Learning . Chcete-li použít uživatelské rozhraní k testování modelu s novými daty, postupujte takto:

    1. Klepněte na kartu Test . Implementovaný model můžete testovat ze stránky s podrobnostmi o implementaci dvěma způsoby: testem s formulářem nebo testem s kódem JSON.

    2. Klepněte na kartu Vstup JSON , zkopírujte následující testovací data a vložte je, abyste nahradili existující text JSON:

      {
         "input_data": [
            {
               "fields": [
                     "age",
                     "job",
                     "marital",
                     "education",
                     "default",
                     "balance",
                     "housing",
                     "loan",
                     "contact",
                     "day",
                     "month",
                     "duration",
                     "campaign",
                     "pdays",
                     "previous",
                     "poutcome"
                  ],
               "values": [
                     [
                     27,
                     "unemployed",
                     "married",
                     "primary",
                     "no",
                     1787,
                     "no",
                     "no",
                     "cellular",
                     19,
                     "oct",
                     79,
                     1,
                     -1,
                     0,
                     "unknown"
                     ]
                  ]
            }
         ]
      }
      
    3. Klepněte na volbu Předpovídat , chcete-li předpovědět, zda se zákazník s uvedenými atributy pravděpodobně přihlásí k určitému druhu účtu. Výsledná predikce naznačuje, že tento zákazník má vysokou pravděpodobnost, že se neregistruje v marketingové propagaci.

    4. Klepnutím na tlačítko X zavřete okno Výsledky předpovědí .

    Ikona kontrolního bodu Zkontrolujte svůj pokrok

    Následující obrázek zobrazuje výsledky testování nasazení. Hodnoty pro vaši předpověď se mohou lišit od hodnot na následujícím obrázku.

    Následující obrázek zobrazuje výsledky testování nasazení.


    Zpět na začátek


  • Nyní, když jste otestovali nasazený model s jednou předpovědí, můžete vytvořit dávkovou implementaci pro skóre více záznamů současně.

    Úloha 5a: Nastavení dávkové implementace

    náhled výukového videa Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 07:00.

    V případě dávkového nasazení poskytnete vstupní data, známá také jako informační obsah modelu, v souboru CSV. Data musí být strukturována jako trénovací data se stejným záhlavím sloupců. Dávková úloha zpracuje každý řádek dat a vytvoří odpovídající předpověď. Chcete-li odeslat data informačního obsahu do prostoru implementace, postupujte takto:

    1. Zkopírujte a vložte následující text do textového editoru a uložte soubor jako bank-payload.csv.

      age,job,marital,education,default,balance,housing,loan,contact,day,month,duration,campaign,pdays,previous,poutcome
      30,unemployed,married,primary,no,1787,no,no,cellular,19,oct,79,1,-1,0,unknown
      33,services,married,secondary,no,4789,yes,yes,cellular,11,may,220,1,339,4,failure
      35,management,single,tertiary,no,1350,yes,no,cellular,16,apr,185,1,330,1,failure
      30,management,married,tertiary,no,1476,yes,yes,unknown,3,jun,199,4,-1,0,unknown
      59,blue-collar,married,secondary,no,0,yes,no,unknown,5,may,226,1,-1,0,unknown
      35,management,single,tertiary,no,747,no,no,cellular,23,feb,141,2,176,3,failure
      36,self-employed,married,tertiary,no,307,yes,no,cellular,14,may,341,1,330,2,other
      39,technician,married,secondary,no,147,yes,no,cellular,6,may,151,2,-1,0,unknown
      41,entrepreneur,married,tertiary,no,221,yes,no,unknown,14,may,57,2,-1,0,unknown
      43,services,married,primary,no,-88,yes,yes,cellular,17,apr,313,1,147,2,failure
      39,services,married,secondary,no,9374,yes,no,unknown,20,may,273,1,-1,0,unknown
      43,admin.,married,secondary,no,264,yes,no,cellular,17,apr,113,2,-1,0,unknown
      36,technician,married,tertiary,no,1109,no,no,cellular,13,aug,328,2,-1,0,unknown
      20,student,single,secondary,no,502,no,no,cellular,30,apr,261,1,-1,0,unknown
      31,blue-collar,married,secondary,no,360,yes,yes,cellular,29,jan,89,1,241,1,failure
      40,management,married,tertiary,no,194,no,yes,cellular,29,aug,189,2,-1,0,unknown
      56,technician,married,secondary,no,4073,no,no,cellular,27,aug,239,5,-1,0,unknown
      37,admin.,single,tertiary,no,2317,yes,no,cellular,20,apr,114,1,152,2,failure
      25,blue-collar,single,primary,no,-221,yes,no,unknown,23,may,250,1,-1,0,unknown
      31,services,married,secondary,no,132,no,no,cellular,7,jul,148,1,152,1,other
      
    2. Klepněte na svůj implementační prostor v navigační cestě.

      Navigační cesta

    3. Klepněte na kartu Aktiva .

    4. Přetáhněte soubor bank-payload.csv do postranního panelu a počkejte na odeslání souboru.

    Ikona kontrolního bodu Zkontrolujte svůj pokrok

    Následující obrázek ukazuje kartu Aktiva v prostoru nasazení.

    Karta Aktiva v prostoru implementace

    Úloha 5b: Vytvořit dávkovou implementaci

    náhled výukového videa Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající v 07:30.

    Chcete-li zpracovat dávku vstupů a nechat výstup zapsat do souboru místo v reálném čase, vytvořte úlohu implementace dávky.

    1. Přejděte na kartu Aktiva v prostoru implementace.

    2. Klepněte na nabídku Překryvná nabídka Přetečení vašeho modelu a vyberte volbu Implementovat.

    3. Jako Typ implementacevyberte volbu Dávka.

    4. Zadejte název pro implementaci.

    5. Vyberte nejmenší specifikaci hardwaru.

    6. Klepněte na volbu Vytvořit.

    Ikona kontrolního bodu Zkontrolujte svůj pokrok

    Následující obrázek ukazuje dávkovou implementaci.

    Dávková implementace

    Úloha 5c: Vytvořit dávkovou úlohu

    náhled výukového videa Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 07:44.

    Dávková úloha spustí implementaci. Chcete-li vytvořit úlohu, zadejte vstupní data a název výstupního souboru. Úlohu můžete nastavit tak, aby se spouštěla podle plánu, nebo ji můžete spustit okamžitě. Chcete-li vytvořit dávkovou úlohu, postupujte takto:

    1. Na stránce implementace klepněte na volbu Nová úloha.

    2. Zadejte název úlohy a klepněte na tlačítko Další.

    3. Vyberte nejmenší specifikaci hardwaru a klepněte na tlačítko Další.

    4. Volitelné: Nastavte plán a klepněte na tlačítko Další.

    5. Volitelné: Zvolte, zda chcete přijímat oznámení, a klepněte na tlačítko Další.

    6. Na obrazovce Zvolit data vyberte Vstupní data:

      1. Klepněte na volbu Vybrat zdroj dat.

      2. Vyberte volbu Datové aktivum > bank-payload.csv.

      3. Klepněte na tlačítko Potvrdit.

    7. Na obrazovce Zvolit data zadejte Výstupní soubor:

      1. Klepněte na tlačítko Přidat.

      2. Klepněte na volbu Vybrat zdroj dat.

      3. Ujistěte se, že je vybrána karta Vytvořit nový .

      4. Jako Názevzadejte bank-output.csv.

      5. Klepněte na tlačítko Potvrdit.

    8. Klepněte na tlačítko Další pro poslední krok.

    9. Zkontrolujte nastavení a klepnutím na volbu Vytvořit a spustit okamžitě spusťte úlohu.

    Ikona kontrolního bodu Zkontrolujte svůj pokrok

    Následující obrázek zobrazuje podrobnosti úlohy pro dávkovou implementaci.

    Vytvořit úlohu pro dávkovou implementaci

    Úloha 5d: Zobrazit výstup

    náhled výukového videa Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 08:42.

    Chcete-li zkontrolovat výstupní soubor z dávkové úlohy, postupujte takto.

    1. Chcete-li zobrazit stav, klepněte na název úlohy.

    2. Když se stav změní na Dokončeno, klepněte na název prostoru implementace v navigační cestě.

    3. Klepněte na kartu Aktiva .

    4. Klepnutím na soubor bank-output.csv přezkoumejte výsledky předpovědí pro informace o zákazníkovi, které jsou odeslány k dávkovému zpracování. Pro každý případ je nepravděpodobné, že by se tito zákazníci přihlásili k bankovní propagaci.

    Ikona kontrolního bodu Zkontrolujte svůj pokrok

    Následující obrázek zobrazuje výsledky úlohy implementace dávky.

    Následující obrázek zobrazuje výsledky úlohy implementace dávky.


    Zpět na začátek

Další kroky

Nyní můžete tuto datovou sadu použít pro další analýzu. Například vy nebo jiní uživatelé můžete provést některou z těchto úloh:

Další prostředky

Nadřízené téma: Výukové programy rychlého spuštění

Generative AI search and answer
These answers are generated by a large language model in watsonx.ai based on content from the product documentation. Learn more