最新 | Microsoft发布可视化托拉拽机器学习工具

标星★公众号      爱你们 ♥

作者：Frederic Lardinois

编译：公众号海外部

近期原创文章：

♥  基于无监督学习的期权定价异常检测（代码+数据）

♥  5种机器学习算法在预测股价的应用（代码+数据）

♥  深入研读：利用Twitter情绪去预测股市

♥  Two Sigma用新闻来预测股价走势，带你吊打Kaggle

♥   利用深度学习最新前沿预测股价走势

♥  一位数据科学PhD眼中的算法交易

♥  基于RNN和LSTM的股市预测方法

♥  人工智能『AI』应用算法交易，7个必踩的坑！

♥  神经网络在算法交易上的应用系列（一）

♥  预测股市 | 如何避免p-Hacking，为什么你要看涨？

♥  如何鉴别那些用深度学习预测股价的花哨模型？

♥  优化强化学习Q-learning算法进行股市

微软今天宣布了三项旨在简化机器学习过程的新服务。这些 工具 包括一个新界面主要是用做完全自动化创建模型过程的工具，一个用于构建，训练和部署模型的无代码可视界面，一个为高级用户托管Jupyter风格的notebook。

刚开始学习机器学习是困难的。即使是最基本的实验也需要大量的专业知识。所有这些新工具都隐藏了代码，为那些希望编写自己的代码的人提供了一个预配置的平台，从而大大简化了这个过程。

Azure自动化机器学习工具的新接口使得创建模型变得非常简单，只需导入数据集，然后告诉服务要预测哪个值。用户不需要编写一行代码，而在后端，这个更新的版本现在支持许多新的算法和优化方法，可以生成更精确的模型。虽然大部分都是自动化的，但微软强调，这项服务：“供了完全透明的算法，因此开发人员和数据科学家可以手动重写和控制这个过程。”

对于那些希望从一开始就拥有更多控制权的人来说，微软还发布了Azure机器学习服务的预览版，这款可视化界面将允许开发人员构建、训练和部署机器学习模型，而无需接触任何代码。

这个工具，Azure机器学习可视化界面，看起来很像现有的Azure ML Studio，微软第一次尝试构建一个可视化机器学习工具。实际上，这两个服务看起来是一样的。然而，该公司从未真正推广过这项服务，尽管它似乎一直是开始机器学习的一个非常有用的工具。

微软表示，这个新版本结合了Azure ML Studio和Azure机器学习服务的优点。实际上，这意味着虽然界面几乎相同，但Azure机器学习可视化界面通过运行在Azure机器学习服务之上，并添加服务的安全性、部署和生命周期管理功能，扩展了ML Studio的功能。

该服务提供了一个简单的界面来清理数据，在不同算法的帮助下训练模型，评估它们，最后将它们投入生产。

虽然前两项服务显然是针对新手的，但Azure机器学习中新的托管notebook显然是针对更有经验的机器学习实践者。这些notebook预装了对Azure机器学习Python SDK的支持，并在公司描述为“安全，企业就绪的环境”中运行。这个新特性允许开发人员快速上手，而无需使用所有必要的云资源创建新的开发环境。

附操作流程

地址：

https://docs.microsoft.com/zh-cn/azure/machine-learning/service/how-to-create-portal-experiments

开始使用

导航到你的工作区的左窗格中。 在创作 （预览版） 部分下选择自动机器学习。

如果这是你第一次执行任何使用自动化的机器学习试验，你将看到以下信息：

否则，你将看到自动机器学习仪表板与所有自动化机器学习试验，包括那些运行随 SDK 的概述。 此处可以筛选和按日期浏览在运行过程中，试验名称，并运行状态。

创建试验

选择创建试验按钮以填充以下窗体。

1、输入试验名称。

2、选择计算的数据事件探查和训练作业。 在下拉列表中提供了您现有的计算资源的列表。 若要创建新的计算，请执行步骤 3 中的说明。

3、选择创建新的计算按钮以打开下方窗格中，并配置对于此试验计算上下文。

4、选择你的数据的存储帐户。 公共预览版仅支持本地文件上传和 Azure Blob 存储帐户。

5、选择一个存储容器。

6、从存储容器，选择一个数据文件或上传到容器的文件从本地计算机。

7、使用预览和配置文件选项卡进一步配置你的数据对于此试验。

a. 在预览选项卡上，指示是否你的数据包含标头，并选择特征 （列） 是用于定型包含每个功能列中切换按钮。

b. 在配置文件选项卡，你可以查看数据配置文件的功能，以及分发、 类型和摘要统计信息 （平均值、 中间值、 最大/最小值等） 的每个。

8、选择培训作业类型： 分类、 回归或预测。

9、选择目标列。 其想要对预测的列。

10、用于预测：

a. 选择时间列：此列包含要使用的时间数据。

b.选择预测时间范围：指示多少个时间单位 （分钟/小时/天/周/月/年） 将该模型能够预测到将来的发展。 随着模型需要不太准确它将成为未来的预测。

11、（可选）高级设置： 可用于更好地控制训练作业的其他设置。

数据事件探查

跨您的数据集以验证您的数据集是否是机器学习准备就绪，可以获取各种汇总统计信息。 对于非数字列，其中包括 min、 max 和错误计数等的仅基本统计信息。 对于数值列，您还可以查看其统计一点时间，估计分位数。 

高级预处理

在配置在实验时，可以启用高级的设置Preprocess。 因此，这样做意味着自动执行以下数据预处理和特征化步骤。

运行实验并查看结果

若要运行此试验，请单击开始。 实验准备过程需要几分钟的时间。

查看实验详细信息

实验准备阶段完成后，你将看到运行详细信息屏幕。 这样，您创建的模型的完整列表。 默认情况下，最高评分的模型基于您的参数列表的顶部。 如训练作业尝试出更多的模型，则将它们添加到迭代列表和图表中。使用迭代图表以获取到目前为止生成的模型的快速度量值的比较。

训练作业可能需要每个管道完成运行一段时间。

查看训练运行详细信息

向下取的任何输出模型，以查看运行详细信息，如性能指标等。详情见下面的链接：

https://docs.microsoft.com/zh-cn/azure/machine-learning/service/how-to-track-experiments#understanding-automated-ml-charts

—End—

量化投资与机器学习微信公众号，是业内垂直于 Quant 、 MFE 、 CST 等专业的主流自媒体。公众号拥有来自 公募、私募、券商、银行、海外 等众多圈内 10W+ 关注者。每日发布行业前沿研究成果和最新资讯。