Aprenda a crear modelos de aprendizaje automático potentes con el servicio de Amazon

Share on facebook
Share on twitter
Share on linkedin
Share on telegram
Share on whatsapp

Contenidos

Introducción

Después de usar Azure ML la semana pasada, recibió varios correos electrónicos para publicar un tutorial sobre el aprendizaje automático de Amazon. Afortunadamente, algunas de mis reuniones se pospusieron y tuve tiempo para escribir esto.

Aquí hay algunas buenas noticias más para ti, te presento una herramienta que lo hará aún más simple. Simplemente eliminará todas las conjeturas que tuvo que hacer con Azure ML al elegir el modelo y las divisiones. Obviamente, estoy hablando de la Herramienta de Amazon ML. Desafortunadamente, esta vez no obtendrá un paquete de prueba, sino que tendrá que crear su cuenta proporcionando la información de su tarjeta de crédito. Sin embargo, la herramienta es de uso gratuito y la información de su tarjeta de crédito se usa solo en caso de que rompa el nivel gratuito.

En este artículo, he demostrado un tutorial paso a paso para crear un modelo de aprendizaje automático con Amazonas. También he compartido un video tutorial al final de este artículo. Hagamos nuestro primer modelo de aprendizaje automático con la herramienta Amazon ML.

graphic-8505199

¿Qué hay de nuevo en Amazon Machine Learning?

Amazon es conocido por una experiencia de usuario mejorada, innovaciones y desarrollos oportunos.

Hace solo 4 días, Amazon agregó una función para División de datos aleatorios y validación cruzada. Ahora puede entrenar y evaluar modelos de aprendizaje automático basados ​​en la división de datos de entrada aleatoria. Esto le ayudará a evitar el sobreajuste y producir evaluaciones más precisas.

El mes pasado, Amazon habilitó predicciones en tiempo real función que permite a los usuarios obtener una vista previa de la predicción en tiempo real antes de crear la aplicación. Esta función no requiere código. Es ‘presionar un botón’ para comenzar la función.

Lea también: Amazon re: Invent 2015 (Machine Learning Reinvented)

Caída de precios

Básicamente, Amazon te cobra por 2 servicios:

Tarifas de análisis de datos y creación de modelos – Depende del tamaño de los datos de entrada, número de variables, tipos de transformación y número de horas de cálculo. Por esto, se le cobrará $ 0.42 por hora.

Tarifas de predicción – Se puede dividir además en Predicciones por lotes y Predicciones en tiempo real. Las predicciones por lotes son cuando su aplicación obtiene muchas predicciones a la vez. En predicciones en tiempo real, puede solicitar predicciones para su uso inmediato a través de aplicaciones web, móviles o de escritorio. Costos de predicción por lotes $ 0.10 por 1000 predicciones. Costos de predicción en tiempo real $ 0.0001 por predicción.

Modelo de aprendizaje automático con el servicio de Amazon

¡Pongámonos a trabajar ahora!

1. Una vez que inicie sesión, encontrará esta como la página principal (que se muestra a continuación). Ahora, seleccione los modelos de Machine Learning para pasar a la primera página de la herramienta ML.

ml1-9293048 2. El siguiente paso es ingresar un conjunto de datos. En caso de que no tenga ningún conjunto de datos listo, puede utilizar el sugerido en el cuadro de diálogo “banking.csv”. Seleccione S3 como la opción (aml-sample-data / banking.csv). Una vez que el conjunto de datos se haya cargado correctamente, aparecerá un cuadro de diálogo de «validación exitosa».
ml2-7574253screen-shot-2015-12-05-at-8-36-52-pm-83326044. Presione “Continuar” para pasar a la siguiente pantalla. Ahora encontrará todas las variables y una muestra de datos. Una cosa que debe asegurarse es la etiqueta de destino. Esta es tu variable dependiente. En nuestro ejemplo actual, el objetivo es «y». Por lo tanto, verá una marca en la columna Destino. screen-shot-2015-12-05-at-11-54-26-pm-1024x140-2735665

5. Ahora presione ‘continuar’ y haga clic en ‘Revisar’. En la pestaña final, encontrará un resumen de todas las entradas. A continuación se muestra una muestra:

screen-shot-2015-12-05-at-11-56-45-pm-1024x490-2757866

6. Finalmente, presiona “Finalizar” y ya está.

Comprobación de los resultados del modelo

Para comprobar los resultados, vaya a Panel de control.

screen-shot-2015-12-05-at-11-58-46-pm-1024x548-2863446

En el tablero, puede encontrar todo tipo de objetos creados. A continuación, se incluyen algunas comprobaciones clave que puede realizar:

1. Verifique el tipo de datos : Al hacer clic en el ID de Banking.csv, encontrará un panel para navegar a través de los datos. screen-shot-2015-12-06-at-12-01-35-am-27733942. Ahora, haga clic en Visualización de destino. Encontrarás la distribución de cada columna. Por ejemplo, a continuación se muestra la distribución de la variable objetivo (y): screen-shot-2015-12-06-at-12-03-02-am-3526151

3. Verifique las métricas de desempeño : Para comprobar las métricas de rendimiento, haga clic en ID del tipo de evaluación. A continuación se muestra el tablero que obtiene:screen-shot-2015-12-06-at-12-04-57-am-1094655

4. Como puede ver, nuestro modelo tiene un AUC de 0,94. Además, esta herramienta le ofrece la opción de ajustar el umbral de puntuación. Esta es una simulación muy interesante para presenciar el intercambio entre falso positivo y verdadero positivo. Aquí hay una instancia:

screen-shot-2015-12-06-at-12-07-12-am-6482702En este gráfico, puede mover el puntuación umbral lo que le da% correcto y% error. los linea gris es para la distribución de 0 y línea negro es la distribución de 1s. Las porciones sombreadas representan tipo 1 y errores tipo 2 dependiendo de qué lado de la línea de corte cae el área. También tiene un juego de herramientas que se llama métricas avanzadas. Estas son otras palancas que se pueden ajustar para simular el mismo gráfico. Aquí hay una instantánea de este kit de herramientas:

screen-shot-2015-12-06-at-12-08-02-am-3834726

Recurso adicional: También le puede interesar este tutorial de 53 minutos que se impartió en AWS re: invent 2015:

Notas finales

La herramienta Amazon ML es una herramienta realmente buena para la visualización de datos y resultados. El tiempo que tarda la herramienta es ligeramente superior cuando lo comparo con H2O u otros kits de herramientas similares. Sin embargo, todo el proceso es excepcionalmente sencillo de ejecutar.

En este artículo, he demostrado un proceso paso a paso para crear un modelo de aprendizaje automático utilizando el servicio Amazon ML. Como ha visto, es un proceso bastante simple y ‘sin código’. Por lo tanto, las personas que consideran que la codificación es intimidante deberían utilizar estos servicios con frecuencia.

Le ha resultado útil este artículo ? Comparta con nosotros su experiencia con la herramienta Amazon Machine Learning.

Si le gusta lo que acaba de leer y desea continuar con su aprendizaje sobre análisis, suscríbete a nuestros correos electrónicos, Síguenos en Twitter o como nuestro pagina de Facebook.

Suscribite a nuestro Newsletter

No te enviaremos correo SPAM. Lo odiamos tanto como tú.