[PYTHON] Prédiction de données chronologiques par AutoML (apprentissage automatique automatique)

Voici les étapes pour apprendre un modèle de régression prédictive de séries chronologiques à l'aide de AutoML (Automatic Machine Learning) d'Azure Machine Learning.

AutoML (Automated ML) est une fonction qui permet à Azure Machine Learning d'exécuter des processus tels que l'ingénierie de la quantité de caractéristiques, la sélection de modèle et la sélection d'hyperparamètres de manière entièrement automatique en entrant simplement des données et des paramètres de base. Voir ci-dessous pour plus de détails. Qu'est-ce que l'apprentissage automatique automatique (AutoML)

Vous trouverez ci-dessous l'exemple de code et les données utilisés dans cet article. : robot: Exemple de code (github) : bières: [Exemple de données (pour la formation) - Données de séries chronologiques de production de bière 1992-2016](https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/automated- machine-learning / prévision-bière-remote / Beer_no_valid_split_train.csv) : bières: [Exemple de données (pour les tests) - Données de la série chronologique de la production de bière 2017-2018](https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/automated- machine-learning / prévision-bière-remote / Beer_no_valid_split_test.csv)

Sur la base des données de formation suivantes (1992-2016), nous prévoirons la demande de bière après 2017. Si vous avez des données CSV avec deux colonnes, une date et des données numériques (comme les ventes), vous pouvez essayer la même procédure. image.png

Création d'Azure Machine Learning

  1. Accès au portail Azure (https://ms.portal.azure.com)
  2. Appuyez sur le menu dans l'ordre suivant
  3. [+ Créer une ressource] 2. [AI + Machine Learning] 3. [Machine Learning] image.png
  4. Définissez les éléments suivants comme il convient

Lancez Azure Machine Learning Studio

À partir de l'écran ML, cliquez sur [Lancer maintenant] dans Azure Machine Learning Studio. (Vous pouvez également accéder à https://ml.azure.com et ouvrir directement l'écran du studio Azure Machine Learning) image.png

Créer une instance de calcul

  1. Écran de développement intégré Ouvrez [Computing] du studio Azure Machine Learning
  2. Sélectionnez l'onglet Instances de calcul et cliquez sur + Nouveau
  3. Définissez les éléments suivants comme il convient

Après les paramètres ci-dessus, cliquez sur le bouton [Créer] pour démarrer le déploiement. image.png

Créer un cluster de formation

  1. Écran de développement intégré Ouvrez [Computing] du studio Azure Machine Learning Sélectionnez l'onglet [Compute clusters] et cliquez sur [+ New]
  2. Définissez les éléments suivants comme il convient

Après les paramètres ci-dessus, cliquez sur le bouton [Créer] pour démarrer le déploiement. image.png

Télécharger un exemple de code et de données

  1. À partir de ml.azure.com, accédez à l'écran de développement intégré du studio Azure Machine Learning.
  2. Cliquez sur Notebook, cliquez sur Upload Folder et zip téléchargé depuis github (https://github.com/yahanda/time-series-forecasting-with-auto-ml) Téléchargez le dossier décompressé. image.png

Exécutez le livre de nœuds

  1. Cliquez sur beer-forcasting-shared-ml.ipynb, puis sur Jupyter> Modifier avec Jupyter
  2. Paramètres du noyau
  3. Spécifiez l'environnement Python utilisé par Jupyter
  4. Sélectionnez Python 3.6 - AzureML
  5. Exécuter la cellule (Il existe 3 façons d'exécuter la cellule)
  6. Raccourci: Ctrl + Entrée (recommandé)
  7. Sélectionnez Exécuter les cellules dans la barre de cellules
  8. Sélectionnez [> Exécuter]

Vous trouverez des détails sur ce que vous faites dans Notebook Veuillez vous référer à l'explication de.

Lorsqu'il est exécuté jusqu'à la fin, le meilleur modèle a une très grande précision avec un taux d'erreur absolu moyen (MAPE) de 6,3%.

Model MAPE:
0.06370896673493383

Model Accuracy:
0.9362910332650661

Il s'agit d'un graphique des valeurs prévues et réelles.

image.png

(Vérifiez la précision du modèle)

Vous pouvez également vérifier les informations des différents modèles qu'AutoML a essayés à partir du menu [Automatic ML] du studio Azure Machine Learning via l'interface graphique.

référence

Recommended Posts

Prédiction de données chronologiques par AutoML (apprentissage automatique automatique)
Division des données de formation en apprentissage automatique et apprentissage / prédiction / vérification
Histoire de l'analyse de données par apprentissage automatique
Détection d'anomalies des données de séries chronologiques par LSTM (Keras)
[Python] Tracer des données de séries chronologiques
4 [/] Quatre arithmétiques par apprentissage automatique
Prédiction de séries chronologiques facile avec Prophet
Résumé de l'apprentissage automatique par les débutants de Python
À propos des données de séries chronologiques et du surentraînement
Apprentissage automatique dans Delemas (acquisition de données)
Prétraitement dans l'apprentissage automatique 2 Acquisition de données
Différenciation des données de séries chronologiques (discrètes)
Analyse des séries chronologiques 3 Prétraitement des données des séries chronologiques
Prétraitement dans l'apprentissage automatique 4 Conversion de données
Procédure d'apprentissage automatique de base: ② Préparer les données
Comment collecter des données d'apprentissage automatique
Déterminez l'authenticité des articles publiés par machine learning (API Google Prediction).
Prédiction des données de séries chronologiques par projection simplex
Prédire les données de séries chronologiques avec un réseau neuronal
Faire le contrôle d'un homme sandwich par l'apprentissage automatique ver4
Sklearn de données déséquilibrées avec apprentissage automatique k-NN
[Échec] Trouvez Maki Horikita par apprentissage automatique
Python: prétraitement en machine learning: acquisition de données
[Python] Première analyse de données / apprentissage automatique (Kaggle)
Détection d'anomalies de données chronologiques pour les débutants
Python: prétraitement dans l'apprentissage automatique: conversion de données
Mémo d'étude Python & Machine Learning ④: Machine Learning par rétro-propagation
Comment gérer les données de séries chronologiques (mise en œuvre)
Prétraitement dans l'apprentissage automatique 1 Processus d'analyse des données
Lecture des données de séries chronologiques OpenFOAM et des ensembles de données
Essayez de dessiner un "front de type carte météorologique" par apprentissage automatique basé sur des données météorologiques (5)
Essayez de dessiner un "front de type carte météo" par apprentissage automatique basé sur les données météorologiques (3)
Apprentissage automatique
Essayez de dessiner un "front de type carte météo" par apprentissage automatique basé sur des données météorologiques (2)
Je veux faire du machine learning même sans serveur - Time Series Edition -
Prédire les travaux de courte durée de Weekly Shonen Jump par apprentissage automatique (Partie 1: Analyse des données)
[Apprentissage automatique] Créez un modèle d'apprentissage automatique en effectuant un apprentissage par transfert avec votre propre ensemble de données
Machine Learning avec docker (40) avec anaconda (40) "Hands-On Data Science and Python Machine Learning" Par Frank Kane
Obtenez des données de séries chronologiques de k-db.com avec Python
Classification des images de guitare par apprentissage automatique Partie 1
Astuces de fourniture de données utilisant deque dans l'apprentissage automatique
Acquisition de données chronologiques (quotidiennes) des cours des actions
Notes sur l'apprentissage automatique (mises à jour de temps en temps)
[Python] Analyse de données, pratique du machine learning (Kaggle) -Prétraitement des données-
Lissage des séries temporelles et des données de forme d'onde 3 méthodes (lissage)
Classer les informations liées à l'apprentissage automatique par modèle de sujet
Voir les détails des données de séries chronologiques dans Remotte
Analyse de l'utilisation de l'espace partagé par l'apprentissage automatique
Prévision du cours de l'action par machine learning Numerai Signals
[Français] scikit-learn 0.18 Introduction de l'apprentissage automatique par le didacticiel scikit-learn
Comment lire les données de séries chronologiques dans PyTorch
Estimation raisonnable du prix de Mercari par apprentissage automatique
Classification des images de guitare par apprentissage automatique, partie 2
J'ai commencé l'apprentissage automatique avec le prétraitement des données Python
Prédire le temps objectif d'un marathon complet avec l'apprentissage automatique-③: j'ai essayé de visualiser les données avec Python-
Implémentation de la méthode de clustering k-shape pour les données de séries chronologiques [Apprentissage non supervisé avec python Chapitre 13]
Prédire à partir de diverses données en Python à l'aide de l'outil de prédiction de séries chronologiques Facebook Prophet