Azure Machine Learning の AutoML (自動機械学習) を使用して、時系列予測回帰モデルを学習する手順を紹介します。

AutoML (Automated ML) は、データや基本的な設定をインプットするだけで、Azure Machine Learning 側で特徴量エンジニアリンング、モデル選択、ハイパーパラメータ選択などのプロセスを全自動で行ってくれる機能です。詳しくは以下を参照ください。
自動機械学習 (AutoML) とは

以下、本記事で使用するサンプルのコードとデータです。
サンプルコード (github)
サンプルデータ (トレーニング用) - 1992年～2016年のビール製造時系列データ
 サンプルデータ (テスト用) - 2017年～2018年のビール製造時系列データ

以下のトレーニングデータ (1992~2016年) をもとに、2017年以降のビールの需要予測をします。日付と数値データ (売上など) の2つのカラムを持つ CSV データがあれば同様の手順で試すことが可能です。

Azure Machine Learning の作成

Azure Portal へのアクセス
以下の順にメニューを押下
1. [+ リソースの作成]
2. [AI + Machine Learning]
3. [Machine Learning]
以下の項目を適宜設定

ワークスペース名：任意
リソースグループ：任意
場所：東日本
ワークスペースのエディション： Enterprise（Auto ML を使用するため、Basic でなく Enterprise を選択します）
上記設定後、[確認および作成]ボタンによりデプロイを開始

Azure Machine Learning Studio の起動

MLの画面から、Azure Machine Learning Studio の [今すぐ起動する] をクリック
（あるいは、https://ml.azure.com にアクセスして、Azure Machine Learning studio の画面を直接開きます）

コンピューティングインスタンスの作成

統合開発画面 Azure Machine Learning studio の [コンピューティング] を開く
[コンピューティングインスタンス] のタブを選択し、[+新規] をクリック
以下の項目を適宜設定

コンピューティング名：任意
Virtual machine type： CPU (Central Processing Unit)
仮想マシンのサイズ：デフォルト (Standard_DS3_v2)
※4 vCPUコアあれば十分です

上記設定後、[作成] ボタンによりデプロイを開始

トレーニングクラスターの作成

統合開発画面 Azure Machine Learning studio の [コンピューティング] を開く
[Compute clusters] のタブを選択し、[+新規] をクリック
以下の項目を適宜設定

コンピューティング名：任意
Virtual machine type： CPU (Central Processing Unit)
仮想マシンのサイズ：デフォルト (Standard_DS3_v2)
※4 vCPUコアあれば十分です
最小ノード数： 0
最大ノード数： 1

上記設定後、[作成] ボタンによりデプロイを開始

サンプルコード&データのアップロード

ml.azure.com から、統合開発画面 Azure Machine Learning studio にアクセスします。
[ノートブック] をクリックし、[フォルダーのアップロード] をクリックして、github からダウンロードした zip 解凍後のフォルダーをアップロードします。

ノードブックの実行

[beer-forcasting-automated-ml.ipynb] をクリックし、[Jupyter] > [Jupyter で編集] をクリック
Kernel の設定
Jupyter で利用する Python 環境を指定
[Python 3.6 – AzureML] を選択
セルの実行(セルの実行方法は以下 3 通り)
ショートカット：Ctrl + Enter キー (推奨)
Cell バーから [Run Cells] を選択
[> Run] を選択

実行している内容の詳細はノートブック内の説明を参照ください。

最後まで実行すると、ベストなモデルは平均絶対誤差率 (MAPE) が 6.3% と、非常に高い精度が得られます。

Model MAPE:
0.06370896673493383

Model Accuracy:
0.9362910332650661

予測値と実際の値をプロットしたものです。

(モデルの精度確認)

Azure Machine Learning studio の [自動 ML] のメニューからも、AutoML が試行した各種モデルの情報が GUI 経由で確認可能です。

最適なモデルの概要
AutoML が試行したモデルの一覧
モデルの精度
説明変数の重要度

参考