introduction
Après avoir utilisé Azure ML la semaine dernière, reçu plusieurs e-mails pour publier un tutoriel sur l'apprentissage automatique d'Amazon. Heureusement, certaines de mes réunions ont été reportées et j'ai eu le temps d'écrire ceci.
Voici d'autres bonnes nouvelles pour vous, Je vous présente un outil qui va le rendre encore plus simple. Cela vous évitera toutes les conjectures que vous aviez à faire avec Azure ML lors du choix du modèle et des divisions. Évidemment, je parle de la Outil Amazon ML. Malheureusement, cette fois, vous n'aurez pas de pack d'essai, Au lieu de cela, vous devrez créer votre compte en fournissant vos informations de carte de crédit. Cependant, l'outil est gratuit et les informations de votre carte de crédit ne sont utilisées qu'en cas de dépassement du niveau gratuit.
Dans cet article, j'ai démontré un tutoriel étape par étape pour créer un modèle d'apprentissage automatique avec Amazones. J'ai également partagé un tutoriel vidéo à la fin de cet article. Créons notre premier modèle d'apprentissage automatique avec l'outil Amazon ML.
Quoi de neuf dans Amazon Machine Learning?
Amazon est connu pour une expérience utilisateur améliorée, innovations et développements opportuns.
Fait seulement 4 jours, Amazon a ajouté une fonction à Division aléatoire des données et validation croisée. Vous pouvez désormais entraîner et évaluer des modèles d'apprentissage automatique basés sur la division de données d'entrée aléatoires. Cela vous aidera à éviter le surapprentissage et à produire des évaluations plus précises..
Le mois passé, Amazon activé prédictions en temps réel fonctionnalité qui permet aux utilisateurs de prévisualiser la prédiction en temps réel avant de créer l'application. Cette fonction ne nécessite pas de code. Il est ‘appuyer sur un bouton’ pour commencer le spectacle.
Lire aussi: Amazon re: Inventer 2015 (L'apprentissage automatique réinventé)
Baisse des prix
Essentiellement, Amazon vous facture 2 prestations de service:
Frais d'analyse de données et de modélisation – Cela dépend de la taille des données d'entrée, nombre de variables, types de transformation et nombre d'heures de calcul. Pour ça, Tu seras chargé $ 0.42 par heure.
Taux de prédiction – Il peut être encore divisé en Prédictions par lots Oui Prédictions en temps réel. Les prédictions par lots se produisent lorsque votre application obtient plusieurs prédictions à la fois. Dans les prédictions en temps réel, vous pouvez demander des prédictions pour une utilisation immédiate via des applications Web, mobile ou ordinateur de bureau. Coûts de prédiction par lots $ 0.10 pour 1000 prédictions. Coûts de prédiction en temps réel $ 0.0001 par prédiction.
Modèle d'apprentissage automatique avec le service Amazon
Mettons-nous au travail maintenant!
1. Une fois que vous avez commencé sessionLa "Session" C’est un concept clé dans le domaine de la psychologie et de la thérapie. Fait référence à une rencontre programmée entre un thérapeute et un client, où les pensées sont explorées, Émotions et comportements. La durée et la fréquence de ces séances peuvent varier, et son objectif principal est de faciliter la croissance personnelle et la résolution de problèmes. L’efficacité des séances dépend de la relation entre le thérapeute et le thérapeute.., vous trouverez ceci comme page principale (indiqué ci-dessous). À présent, sélectionnez les modèles Machine Learning pour accéder à la première page de l'outil ML.
2. La prochaine étape est saisir un ensemble de données. Si vous n'avez pas de jeu de données prêt, vous pouvez utiliser celui suggéré dans la boîte de dialogue "banking.csv". Sélectionnez S3 comme option (aml-échantillon-données / banque.csv). Une fois le jeu de données chargé avec succès, Une boîte de dialogue apparaîtra « validation réussie ».
4. Appuyez sur "Continuer" pour passer à l'écran suivant. Vous trouverez maintenant toutes les variables et un échantillon de données. Une chose à assurer est la balise de destination. Ceci est votre variableEn statistique et en mathématiques, ongle "variable" est un symbole qui représente une valeur qui peut changer ou varier. Il existe différents types de variables, et qualitatif, qui décrivent des caractéristiques non numériques, et quantitatif, représentation de grandeurs numériques. Les variables sont fondamentales dans les expériences et les études, puisqu’ils permettent l’analyse des relations et des modèles entre différents éléments, faciliter la compréhension de phénomènes complexes.... dépendant. Dans notre exemple actuel, l'objectif est « Oui ». Donc, vous verrez une coche dans la colonne Destination. 
5. Appuyez maintenant ‘continuer’ et cliquez ‘Revoir’. Dans le dernier onglet, vous trouverez un résumé de toutes les entrées. Ci-dessous un échantillon:
6. Finalement, appuyez sur "Terminer" et vous avez terminé.
Vérification des résultats du modèle
Pour vérifier les résultats, aller à PanneauUn panel est un groupe d’experts qui se réunit pour discuter et analyser un sujet spécifique. Ces forums sont courants lors des conférences, Séminaires et débats publics, où les participants partagent leurs connaissances et leurs points de vue. Les panneaux peuvent aborder une variété de domaines, De la science à la politique, et son objectif est d’encourager l’échange d’idées et la réflexion critique entre les participants.... Contrôle.
Sur le tableau, peut trouver toutes sortes d'objets créés. Ensuite, certaines vérifications clés que vous pouvez effectuer sont incluses:
1. Vérifier le type de données : En cliquant sur l'ID de Banking.csv, vous trouverez un panneau pour naviguer dans les données. 
2. À présent, cliquez sur Affichage cible. Vous trouverez la répartition de chaque colonne. Par exemple, la distribution de la variable cible est indiquée ci-dessous (Oui): 
3. Vérifier les métriques de performances : Pour vérifier les mesures de performance, ID de type d'évaluation de clic. Ci-dessous le tableau que vous obtenez:
4. Comme tu peux le voir, notre modèle a une AUC de 0,94. En outre, cet outil vous donne la possibilité d'ajuster le seuil de notation. C'est une simulation très intéressante pour assister à l'échange entre faux positif et vrai positif. Voici un exemple:
Dans ce graphique, peut déplacer le score seuil ce qui vous donne% correct et% erreur. Les ligne grise est pour la distribution de 0 Oui ligne noire est la distribution des 1. Les parties ombrées représentent Type 1 Oui erreurs de saisie 2 selon de quel côté de la ligne de coupe tombe la zone. Il dispose également d'une boîte à outils appelée métriques avancées. Ce sont d'autres leviers qui peuvent être ajustés pour simuler le même graphique. Voici un aperçu de cette boîte à outils:
Ressource supplémentaire: Vous pouvez également être intéressé par ce tutoriel de 53 minutes enseignées dans AWS re: inventer 2015:
Remarques finales
L'outil Amazon ML est un très bon outil pour visualiser les données et les résultats. Le temps nécessaire à l'outil est légèrement supérieur à celui de H2O ou d'autres kits d'outils similaires. Cependant, l'ensemble du processus est exceptionnellement facile à exécuter.
Dans cet article, J'ai démontré un processus étape par étape pour créer un modèle d'apprentissage automatique à l'aide du service Amazon ML. Comme vous l'avez vu, c'est un processus assez simple et ‘sans code’. Donc, les personnes qui trouvent le cryptage intimidant devraient utiliser ces services fréquemment.
Trouvez-vous utile cet article ? Partagez avec nous votre expérience avec l'outil Amazon Machine Learning.
