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)

#4 グループ化

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

グループ化モデルの作成特徴に応じてグループに属するかを判断～予測ではなく、グループ分け～

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～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K-Means Clustering

4.学習モデルの作成 (1/4)グループ化の対象とする列を選択

4.学習モデルの作成 (2/4)

4.学習モデルの作成 (3/4)

“Run selected” してから “Visualize”

4.学習モデルの作成 (4/4)

今回は、きれいなデータなので、はっきりとグループが分かれた

グループ分けの結果

5.学習結果の測定 ～6.評価用データを予測グループ化は “予測” ではないため、ここでは正しくは“結果の確認” と “追加データをグループ化”

改めて）5. 結果の確認 ～6.追加データをグループ化ML Studio はどのようにグループ化したかを具体的に確認

5.結果の確認 (1/6)グループ分けの結果をレコードごとに数値で確認

5.結果の確認 (2/6)

すべての列を対象にする場合の手順

5.結果の確認 (3/6)

5.結果の確認 (4/6)

“Run selected” してから “Visualize”

5.結果の確認 (5/6)各レコードがどちらに分類されたか

5.結果の確認 (6/6)

レコードの散らばり具合

6.追加データをグループ化 (1/6)

追加データを同じルールでグループ化

6.追加データをグループ化 (2/6)“Run selected” してから “Visualize”

6.追加データをグループ化 (3/6)グループ分けの結果

6.追加データをグループ化 (4/6)追加データも数値で確認

6.追加データをグループ化 (5/6)

閉じたら、“Run selected” して “Visualize”

6.追加データをグループ化 (6/6)

7.未来を予測グループ化は “予測” ではないため、ここでは正しくはサービス化して “新規のデータをグループ化”

改めて）7.新規のデータをグループ化Web Service を作成する

7.新規のデータをグループ化 (1/3)

全体を “Run” してから、Web サービス用 Experiment を自動生成

7.新規のデータをグループ化 (2/3)自動生成された Experiment を編集したら、

“Run selected” して Web サービスをデプロイ

7.新規のデータをグループ化 (3/3)Web サービス管理画面でテスト

#2 を参考に、Excel 利用も

他の学習モデル

回帰分析

グループ化

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