More than 3 years have passed since last update.

Azure Machine Learning Studio の AutoML GUIでの展開時に、probability の数値も出力させる

Last updated at 2020-10-14Posted at 2020-10-05

編集履歴

2020/10/14 [4. 推論用のコードの更新]: プログラムコードの更新
2020/10/12 [4. 推論用のコードの更新]: プログラムコードの更新
2020/10/6 [4. 推論用のコードの更新]: プログラムコードの更新

背景

Azure Machine Learning の AutoML は、Studioの画面上からジョブ実行と結果確認。そして、ACIもしくはAKSへの展開まで、GUIで行えます。ML for All Skillのゴールに向かってGUIでの作業も出来る事は素晴らしいと思います。

AutoMLには推論用のコードを自動生成する機能もありますので、更に便利です。

(プレビュー) コードなしのモデルデプロイ:
https://docs.microsoft.com/ja-jp/azure/machine-learning/how-to-deploy-no-code-deployment

ところが、この展開したモデルの推論結果に、いわゆる Probability、もしくはscore とでも言いましょうか。つまり数値での確度の情報が入っていません。

分類 (Classification) での出力結果のサンプル

'{"result": "no", "score": [{"no":0.9452897547,"yes":0.0547102403}]}'

このモデルは以下のチュートリアルで作成しました。

チュートリアル:Azure Machine Learning の自動 ML で分類モデルを作成する:
https://docs.microsoft.com/ja-jp/azure/machine-learning/tutorial-first-experiment-automated-ml

ここでは、カスタムデプロイアセットを使って、Probability も出力するようにします。

準備するもの

Azure のSubscription

手順

1. モデルの作成

自由に作成ください。
ここでは、先のチュートリアル (銀行のマーケティング担当者が、普通預金などから、定期預金にする顧客を類推するモデルを作成する) にある AutoML を利用してモデルを作成します。

2. モデルの選択

AutoMLでは、複数の学習ジョブを実行します。一番良いと思ったモデルを選択します。
アンサンブル学習を行っている場合が殆どだと思います。その場合は、VotingEnsemble が殆どのケースで最も良い数値情報を持っています。

3. AutoML が生成したコードのダウンロード

[出力とログ]から、ジョブが生成したファイルの確認が出来ます。[outputs]フォルダの中から、以下のファイルをダウンロードします。

ファイル名	説明
conda_env_v_1_0_0.yml	anaconda の環境ファイル
scoring_file_v_1_0_0.py	推論用のファイル

4. 推論用のコードの更新

run 関数を以下の様に変更します。
ご自由にリファクタリングしてください😊

def run(data):
    try:
        result_predict = model.predict(data)
        result_class_name = model.y_transformer.classes_
        result_predict_proba = model.predict_proba(data)

        result_with_score = pd.DataFrame(result_predict_proba, columns=result_class_name).to_json(orient='records')
        result = (("{\"result\": \"%s\", \"score\": %s}" % (result_predict[0],result_with_score)).encode('ascii', 'ignore')).decode("utf-8")

        return result

    except Exception as e:
        result = str(e)
        return json.dumps({"error": result})