More than 1 year has passed since last update.

Azure Machine Learning に入門する方法

Posted at 2022-07-18

はじめに

私はMicrosoft Azureを2022年3月から約３ヶ月間使用しています。しばしばAzure Portalで迷子になる程のAzure初心者です。
この度、「Qiita Engineer Festa 2022」というイベントを知り、良い機会なのでAzure Machine Learningに入門してみました。

使用する教材

教材は、Azure公式の「チュートリアル: Azure Machine Learning Studio でコードなし自動機械学習を使用して需要を予測する」を使用しました。

準備

Azure Portalにログイン

Azureのアカウントがない方は以下から無料で作成できます。

Azureのアカウントが作成できたらAzure Portalにログインします。

Azure Machine Learning の作成

「無料サービス」を選択します。

Machine Learningの「作成」をクリックします。

すると以下のような画面になります。

以下のように値を設定します。(その他の設定項目は自動入力に従います。)

設定項目	値	備考
リソースグループ	qiita	新規作成
ワークスペース名	qiita
コンテナレジストリ	qiita	新規作成

「確認および作成」をクリックします。

問題がなければ「検証に成功しました」と表示されますので、「作成」をクリックします。

デプロイが完了するまで待ちます。（２〜３分）

デプロイが完了したら、「リソースに移動」をクリックします。

「スタジオの起動」をクリックします。

Azure Machine Learning Studio

データセット(CSV)のダウンロード

bike-no.csvをダウンロードします。

自動機械学習ジョブの作成

Microsoft Azure Machine Learning Studio(以下、Studio)を開いたら、作成者の「自動ML」をクリックし、「新規の自動機械学習ジョブ」をクリックします。

データアセットの選択

「作成」をクリックし、次に「ローカルファイルから」をクリックします。

ローカルファイルからデータセットを作成

基本情報を入力します。今回は名前は「qiita」、データセットの種類は「表形式」、説明は「qiita記事用データセット」とします。「次へ」をクリックします。

データストアとファイルの選択

「workspaceblobstore」を選択します。データセットは先ほどダウンロードしたbike-no.csvを参照するようにします。「次へ」をクリックします。

設定とプレビュー

設定項目	値
ファイル形式	区切り
区切り記号	コンマ
エンコード	UTF-8
列見出し	最初のファイルのみにヘッダーがある
行のスキップ	なし

「次へ」をクリックします。

スキーマ

casualとregisteredを無視するように、トグルスイッチをOFFにします。「次へ」をクリックします。

「作成」をクリックします。

データアセットの選択（再び）

「最新の情報に更新」をクリックし、データアセットから「qiita」を選択し、「次へ」をクリックします。

ジョブの構成

設定項目	値
新しい実験名	automl-mikeshare
ターゲット列	cnt(Integer)
コンピューティングの種類	コンピューティングクラスター

「新規」をクリックし、コンピューティングクラスターを作成します。

コンピューティングクラスターの作成

仮想マシン

設定項目	値
バーチャルマシン層	専用
仮想マシンの種類	CPU
仮想マシンのサイズ	Standard_DS12_v2

以上を設定し、「次へ」をクリックします。

詳細設定

設定項目	値
コンピューティング名	bike-compute
最小ノード数	0
最大ノード数	1
スケールダウンする前のアイドル時間 (秒)	120

以上を設定し、「作成」をクリックします。

ノード数はケチりました。公式チュートリアルでは最小ノード数１、最大ノード数６となっています。

ジョブの構成（再び）

先ほど作成した「bike-compute」を選択し、「次へ」をクリックします。

タスクと設定の選択

「時系列の予測」を選択し、以下のように設定し、「次へ」をクリックします。

設定項目	値
時系列	date(Date)
時系列ID	自動検出
頻度	自動検出
予測期間	自動検出

検証とテスト

「終了」をクリックします。

すると以下のような画面になります。終了するまでしばらく待ちます。(約50分)

完了すると以下のように状態が「完了」となります。

モデルの調査

「モデル」タブを選択するとテストされたアルゴリズム (モデル) を確認できます。

モデルのデプロイ

今回は平均平方二乗誤差が最も低かったアルゴリズム名「VotingEnsemble」を選択し、「デプロイ」をクリックし、「Webサービスへの配置」をクリックします。

設定項目	値
名前	bikeshare-deploy
説明	Qiita記事用デプロイ
コンピューティングの種類	Azureコンテナーインスタンス

上記を入力し、「デプロイ」をクリックします。

テスト

アセットの「エンドポイント」をクリックし、「bikeshare-deploy」をクリックします。

「テスト」タブをクリックし、dateに「2023-01-01T00:00:00.000Z」を入力後、「テスト」をクリックすると、右側にテスト結果が表示されます。

テスト結果

{
  "Results": {
    "forecast": [
      1009.0995173136394
    ],
    "prediction_interval": [
      "[-74879.55713775268, 76897.75617237993]"
    ],
    "index": [
      {
        "date": 1672531200000
      }
    ]
  }
}