Machine Learning Azure 实例中文解析 【2】

一些上一篇文章的补充信息：

关于微软Azure ML平台的迁移问题

ML 工作室（经典）：迁移到 Azure 机器学习 - Azure Machine Learning | Microsoft Docs

完整的微软Learning信息

mslearn-dp100

然后这篇文章，会涉及到运用Azure ML平台中的Automated ML和Designer，两个最主要的功能，当然这个平台的其中的Notebook功能也是很不错的，可以做一些python代码的实操，后续也会提到，那咱们话不多说开始！

首先review一下上一篇文章，我们成功建立了Azure Portal平台的ML资源（如果尚未成功，那就需要用双币卡注册一下Azure账号领取一个月的免费试用，不然后续操作是无法进行的），以及在Azure ML建立了一个Compute instance。最后，我们导入的很多看起来乱七八糟的文件，不管怎么说，都是有用的，成功导入即可！

OK那我们现在要做的，就会用到刚刚提到的文件。相信学过ML的同学，应该知道机器学习的步骤，那么首先我们第一步就是需要一个数据集，在这里我们选择一个糖尿病的数据集，也是一个机器学习非常经典的数据集。

在上一步里面的导入文件可以找到diabete.csv，可以看到里面的数据量和标签都是非常丰富的。

我们需要将这个.csv文件下载到桌面上：

 

然后回到我们test2下面的导航，选择AML，进入里面可以看到：

新建一个AML job，然后按照以下参数去运行

 

 

 首先是导入数据集，我们需要从local file里面导入，我是把刚刚下载的diabete.csv存在桌面。

 

这些步骤根据默认来就好，最后点击create创建，就成功啦！这里的核心步骤的是确认文件的路径已经观察一下导入的csv格式是否恰当，没有问题接着往下走！

成功导入的文件如上图所示，下一步我们需要做一些参数的设置，以及我们想要研究哪个标签：

这里安装教程网站的参数填写就ok。 

当然在这里依然可以选择新建一个compute instance，因为我第一次建立过了，不过很有意思的是existing instance我并没有找到我刚刚建立的compute instance，所以这个问题留给大家哈哈哈，不过印象里我第一次跑这个实例是没有遇到这个问题的，不过无伤大雅，我们继续

 

 

 

 在下一步，我们将要选择我们想完成的task，这里小细节比较多，大家需要多注意，我也会一步一步讲：

首先是选择这个classification的选项，然后在这个选项下面有一个Enable deep learning的选项，根据这个上面的解释是说可以提高运行效率，提升得分，既然原文未提到这个是否需要，那我们不妨尝试一下选中。

在这里我们需要选择逻辑回归和随机森林的模型选项

以及一些选项：

 

最终点击finish：

~~~~~

大约10分钟的时间，结果就跑出来啦~

 

 

当然特别提一嘴，这个有个小提示因为我们选取了随机森林和逻辑回归两个模型去跑，但是最终只得到随机森林，原因在于我们选择一个阈值0.90，这也就说明逻辑回归的结果可能没有0.90以上，所以在这里就有一个warning的提示

本文到此为止啦，希望有帮助的话可以点个赞，有问题和指导欢迎各位老师不吝赐教！

Design的part在下一篇~