はじめに
以前、機械学習のお勉強として、Kaggleのチュートリアルである「Titanic: Machine Learning from Disaster」にチャレンジしました。その時の記事はこちらです。→【Kaggleチュートリアル】タイタニック号で生き残るのは？
今回は、これを同じデータを使って、Azure Machine LearningでAutoML機能を試してみたいと思います。
大まかな流れ
大まかな流れは以下の通りです。
1から4までは、こちらの記事「AutoML (自動機械学習) による時系列データ予測」を参考にさせていただき実行しました。
1. Azure Machine Learning の作成
2. Azure Machine Learning Studio の起動
3. コンピューティング インスタンスの作成
4. トレーニング クラスターの作成
5. Automated ML の作成と実行
6. 結果確認
5. Automated ML の作成と実行
Automated ML(preview)を開き、新しい自動ML実行の作成に入って行きます。
まず、データセットの作成から。私は、ローカルファイルから作成しています。
このようなダイアログが開くので、適当な名前をつけて次へ進めます。
次に、ファイルをアップロードしますが、ここで、「列見出し」の項目で、「最初のファイルのヘッダーを使用する」を選択するのを忘れないようにしてください。画面下のプレビューも問題ないことを確認したら、次へ。
データセットが作成できたら、実行の構成をしていきます。
実験名、ターゲット列（ここでは、「Survived」）、コンピューティングクラスターの選択をして、次へ。
最後にタスクを「分類」を選択します。今回は、ディープラーニングを使用せずで。
終了を押せば、AutoMLが実行されます！
6. 結果確認
私の場合、１時間５２分で実行が終了しました。
色々なアルゴリズムが試行されていますが、もっとも良かったのは、VotingEnsembleでした。
「説明の表示」を押下すれば、どの特徴量が効いていたのかわかります。
今回は、Fare（運賃）、Age（年齢）が重要だった感じでしょうか。
精度も、このようにグラフィカルに表示されています。
おわりに
今回は、まずAutoMLというものがどういうものか、素人でも使えるのか、などを試す意味で、タイタニックのデータで動かしてみました。
とりあえず、２時間くらいで動かすことはできましたけど、使いこなすには覚えることが、まだまだたくさんあるなという印象です。AIの民主化、みたいなキーワードがありますが、そう甘くはなく、IT、クラウド、データサイエンスなどの基礎知識がそれなりに必要で、誰でも簡単に、というレベルかは微妙な印象でした。
今後は、他のデータやタスクでの試行錯誤、出来上がったモデルのより深い分析や、このモデルをどこかにデプロイして推論させてみたり、稼働を監視する機能の検証をしたりしてみようと思います。