IoT キットハンズオン解説 (Azure ML Studio 編) Part3 分類分析

Techfair.jp 2017年3月2017年3月4日

瀬尾佳隆 (@seosoft)Microsoft MVP for Windows Dev

IoT キットハンズオン解説(Azure ML Studio 編)

#3 分類分析

おことわり

本資料は、2017年3月4日時点の内容です

Slideshare 公開した 2018年1月時点では一部古い内容を含んでいることがありますが、記録・参考として公開します

自己紹介

瀬尾佳隆 (せおよしたか)•MVP for Windows Development• http://yseosoft.wordpress.com/• 乃木坂46 / 欅坂46 と仏像 / 屏風絵が好き

Techfair 主宰 (http://techfair.jp/)

Cogbot コミュニティ スタッフ

この資料の特徴

センサーデータの形式はハンズオンと同じもの•ただし、CSV ファイルを Dataset として使います

開発する学習モデルはハンズオンとは別のもの•機械学習の基本的な考え方•ML Studio の操作方法

を理解することを目的とします

#1 共通手順 を先に実施してください

共通手順は本資料では説明していません• http://bit.ly/mlhol_1_20161203

“20161203” ですごめんなさい

分類分析モデル（二値）の作成パラメーターから、どれに分類されるかを予測する～重力加速度から、温度が高いか／低いかを予測～

モデリングの流れ

1 データ入力 Saved Datasets, Data Input and Output

2 データ加工 Data Transformation

3 初期モデルの決定 Machine Learning – Initialize Model

4 学習モデルの作成 Machine Learning - Train

5 学習結果の測定 Machine Learning – Score

6 評価用データを予測 Machine Learning – Evaluate

7 未来を予測 Web Service

2.データ加工 の続き学習に適した形に編集する

※ #1 共通手順の続き

2.データ加工～列追加 (1/5)“temp” 列に対して、

特定の温度より高いか低いかを表す列を追加

2.データ加工～列追加 (2/5)

なぜ 28.5度なのか？は、あとで・・・

2.データ加工～列追加 (3/5)

対象の列は “temp” のみ

2.データ加工～列追加 (4/5)列を追加するので

Output Mode は “Append”

2.データ加工～列追加 (5/5)

参考）なぜ 28.5度なのか？

※この資料を作るにあたり、いくつかの値を試してみて一番 “ハンズオン” っぽい

結果になったから・・・

2.データ加工～列削除 (1/2)

“temp” 列は不要になったので削除

2.データ加工～列削除 (2/2)

2.データ加工～データ分離 (1/1)

学習用データと評価用データとに分ける

3.初期モデルの決定 ～4.学習モデルの作成機械学習の本体

3.初期モデルの決定Two-Class Decision Forest

4.学習モデルの作成 (1/2)

予測対象の列を指定

4.学習モデルの作成 (1/2)

5.学習結果の測定 ～6.評価用データを予測学習モデルの成績を数値化する

5.学習結果の測定 (1/4)Score Model

5.学習結果の測定 (2/4)

“Run selected” してから “Visualize”

5.学習結果の測定 (3/4)

5.学習結果の測定 (4/4)

パラメーターと予測値との関係

6.評価用データを予測 (1/3)

Evaluate Model を置き、“Run selected” してから “Visualize”

6.評価用データを予測 (2/3)

予測精度を確認

6.評価用データを予測 (3/3)

7.未来を予測Web Service を作成して、学習したモデルを実際に使ってみる

7.未来を予測～サービス化 (1/4)

Web サービスを作るために、全体を “Run”

7.未来を予測～サービス化 (2/4)

Web サービス用 Experiment を自動生成

7.未来を予測～サービス化 (3/4)

自動生成された Experiment を修正

7.未来を予測～サービス化 (4/4)編集が終わったら “Run selected” して、

Web サービスをデプロイ

7.未来を予測～サービス利用 (1/10)

Web サービス管理画面

7.未来を予測～サービス利用 (2/10)

Web サービスを利用して予測

7.未来を予測～サービス利用 (2/10)

予測結果

#2 を参考に、Excel 利用も

他の学習モデル

グループ化

（復習）回帰分析

どちらの学習モデルも、#1 共通手順を先に実施

今回の資料

機械学習と Azure ML Studio の基本 (この資料)• http://bit.ly/mlstudio20161203

IoTキットハンズオン解説 (ML Studio パート) #1 共通手順• http://bit.ly/mlhol_1_20161203

IoTキットハンズオン解説 (ML Studio パート) #2 回帰分析• http://bit.ly/mlhol_2_20161203

IoTキットハンズオン解説 (ML Studio パート) #3 分類分析• http://bit.ly/mlhol_3_20161203

IoTキットハンズオン解説 (ML Studio パート) #4 グループ化• http://bit.ly/mlhol_4_20161203

“20161203” ですごめんなさい