本日はAzure AI学習枠です。
現在Azure MachineLearningをゼロから勉強しています。 チュートリアルとしてAzure MLで提供されている自動車価格のサンプルデータから自動車の価格推論を行うモデルを作成します。
前回まででデータの整理、機械学習のパイプラインの構築を行いました。
〇コンピューティングインスタンスとは？
コンピューティングインスタンスはAzure上でクラウドに構築されるワークステーション(仮想マシン＝VM)です。
Azureで提供されるコンピューティングインスタンスはMachineLearningに特化した環境として提供されているようで、VMセットアップ時の時短などのコストダウンなどの理由で使用されるようです。
また状況に応じてカスタマイズも可能なようです。
〇コンピューティングインスタンスの作成
Azure Studio デザイナーのパイプラインの設定からコンピューティングインスタンスを選択します。
最初はコンピューティングを所有していないため作成します。
これは[コンピューティングインスタンスの作成]から行うことができます。
Azureでは数多くのVMが用意されています。それぞれスペックによって価格が異なるため自身の行いたい作業内容に合わせて選ぶ必要があるようです。
ここでは特に高スペックが求められているわけでもないので最低価格のものを選択しました。
VMが立ち上がるまで2~3分ほどかかります。
注意点としてAzure MLの課金要素はデータストレージとVMのため、ここでVM立ち上げたときから課金が発生します。
〇コンピューティングインスタンスの実行
①スタジオのパイプラインの設定画面の戻り作成したコンピューティングインスタンスを設定します。
②設定が完了すると[送信]を選択します。
③新規作成で実験名、説明を入力し送信を行います。
④パイプラインが実行されます。処理には時間がかかり筆者の場合５分ほどかかりました。データや処理工程によって処理時間は変わります。
〇実行後の結果を見る
パイプラインの実行が完了すると結果を見ることができます。
各コンポーネントのログは、コンポーネントを右クリックで選択することで表示できます。
Score Modelのデータ表示を行いScored Labelsを見ることで予測結果を見ることができます。
Evaluate Modelコンポーネントを右クリックし、データの表示を行うことでモデルの評価を見ることができます。
ここでCoefficient of Determinationの値がモデルの精度になります。 １に近ければ近いほど誤差が小さく、良いモデルということができます。
以上でパイプラインの実行が完了しました。
