Esercitazione: Usare modelli di Azure Machine Learning in Power BI

Questa esercitazione illustra come creare un report di Power BI basato su un modello di Machine Learning. Al termine di questa esercitazione, sarà possibile:

• Assegnare punteggi ai modelli di Machine Learning (distribuiti con Azure Machine Learning) in Power BI.
• Connessione a un modello di Azure Machine Learning nel editor di Power Query.
• Creare un report con una visualizzazione basata su tale modello.
• Pubblicare il report nel servizio Power BI.
• Configurare l'aggiornamento pianificato per il report.

Nota

Attualmente, gli endpoint online (endpoint v2) non sono ancora supportati in Power BI. I servizi Web ACI/servizio Azure Kubernetes (servizi Web v1) sono supportati solo.

Prerequisiti

Prima di iniziare questa esercitazione, è necessario:

• Eseguire il training e distribuire un modello di Machine Learning in Azure Machine Learning. Usare una di queste tre esercitazioni su Azure Machine Learning:

  • Opzione A: Codice
  • Opzione B: Finestra di progettazione
  • Opzione C: Machine Learning automatizzato

• Iscriversi per ottenere una versione di valutazione gratuita di Power BI.

• Installare Power BI Desktop in un computer locale.

Creare il modello di dati

Aprire Power BI Desktop e selezionare Recupera dati. Nella finestra di dialogo Recupera dati cercare il Web. Selezionare il Connessione origine Web>.

Nella finestra di dialogo Da Web copiare e incollare l'URL seguente nella casella:

https://www4.stat.ncsu.edu/~boos/var.select/diabetes.tab.txt

Seleziona OK.

In Access Web content (Accedi al contenuto Web) selezionare Anonymous Connessione (Anonimo> Connessione).

Selezionare Trasforma dati per aprire la finestra editor di Power Query.

Nella barra multifunzione Home della editor di Power Query selezionare il pulsante Azure Machine Learning.

Dopo aver eseguito l'accesso all'account Azure usando l'accesso Single Sign-On, viene visualizzato un elenco dei servizi disponibili. Selezionare il servizio my-sklearn-service creato nell'esercitazione Eseguire il training e distribuire un modello di Machine Learning.

Power Query popola automaticamente le colonne. Tenere presente che nello schema per il servizio era presente un decorator Python che ha specificato gli input. Seleziona OK.

Nota

Per i modelli time series, Power BI potrebbe non rilevare automaticamente il formato della data per la colonna ora. Per continuare, convertire la colonna ora in tipo Data/ora in Power BI prima di richiamare Azure Machine Learning.

Selezionando OK viene chiamato il servizio Azure Machine Learning. Attiva un avviso sulla privacy dei dati sia per i dati che per l'endpoint.

Seleziona Continua. Nella schermata successiva selezionare Ignora i controlli dei livelli di privacy per il file>Salva.

Dopo aver assegnato il punteggio ai dati, Power Query crea una colonna aggiuntiva denominata AzureML.my-diabetes-model.

I dati restituiti dal servizio sono un elenco.

Nota

Se è stato distribuito un modello di progettazione, viene visualizzato un record.

Per ottenere le stime, selezionare la freccia a due punte nell'intestazione >di colonna AzureML.my-diabetes-model Espandi a Nuove righe.

Dopo l'espansione, le stime sono visualizzate nella colonna AzureML.my-diabetes-model.

Seguire questi passaggi successivi per completare la pulizia del modello di dati.

1. Rinominare la colonna AzureML.my-diabetes-model in base alla stima.
2. Rinominare la colonna Y in effettiva.
3. Modificare il tipo della colonna effettiva: selezionare la colonna, quindi nella barra multifunzione Trasforma selezionare Tipo di>dati Numero decimale.
4. Modificare il tipo della colonna stimata: selezionare tale colonna, quindi nella barra multifunzione Trasforma selezionare Tipo di>dati Numero decimale.
5. Nella barra multifunzione Home selezionare Chiudi & applica.

Creare un report con visualizzazioni

È ora possibile creare alcune visualizzazioni per visualizzare i dati.

1. Nel riquadro Visualizzazioni selezionare un grafico a linee.
2. Con l'oggetto visivo grafico a linee selezionato:
3. Trascinare il campo AGE sull'asse.
4. Trascinare il campo effettivo in Valori.
5. Trascinare il campo stimato in Valori.

Ridimensionare il grafico a linee per riempire la pagina. Il report include ora un singolo grafico a linee con due linee, una per i valori stimati e una per i valori effettivi, distribuiti per età.

Pubblicare il report

Se lo si desidera, è possibile aggiungere altre visualizzazioni. Nell'interesse della brevità, in questa esercitazione verrà pubblicato il report.

1. Salva il report.

2. Selezionare Pubblica file in>Power BI.>

3. Accedere al servizio Power BI.

4. Selezionare Area di lavoro personale.

5. Quando il report viene pubblicato correttamente, selezionare il collegamento Apri <MY_PBIX_FILE.pbix> in Power BI. Il report apre il report in Power BI nel browser.

   

Abilitare l'aggiornamento dei set di dati

In uno scenario in cui l'origine dati viene aggiornata con nuovi dati da assegnare un punteggio, è necessario aggiornare le credenziali in modo che i dati possano essere assegnati punteggi.

In Area di lavoro personale nella servizio Power BI, nella barra dell'intestazione nera selezionare Altre opzioni (...)>>Impostazioni Impostazioni.

Selezionare Set di dati, espandere Credenziali origine dati e quindi selezionare Modifica credenziali.

Seguire le istruzioni per azureMLFunctions e Web. Assicurarsi di selezionare un livello di privacy. È ora possibile impostare un aggiornamento pianificato dei dati. Selezionare una frequenza di aggiornamento e un fuso orario. È anche possibile selezionare un indirizzo di posta elettronica in cui Power BI può inviare notifiche di errore di aggiornamento.

Seleziona Applica.

Nota

Quando i dati vengono aggiornati, i dati vengono inviati anche all'endpoint di Azure Machine Learning per l'assegnazione dei punteggi.

Pulizia delle risorse

Importante

È possibile usare le risorse create come prerequisiti per altre esercitazioni e procedure dettagliate relative ad Azure Machine Learning.

Se non si prevede di usare le risorse create, eliminarle in modo che non vengano addebitate spese.

1. Nel portale di Azure fare clic su Gruppi di risorse all'estrema sinistra.

2. Nell'elenco selezionare il gruppo di risorse creato.

3. Selezionare Elimina gruppo di risorse.

   

4. Immettere il nome del gruppo di risorse. Quindi seleziona Elimina.

5. In Area di lavoro personale nella servizio Power BI eliminare il report e il set di dati correlato. Non è necessario eliminare Power BI Desktop o il report nel computer. Power BI Desktop è gratuito.

Passaggi successivi

In questa serie di esercitazioni si apprenderà come configurare una pianificazione in Power BI in modo che i nuovi dati possano essere assegnati dall'endpoint di assegnazione dei punteggi in Azure Machine Learning.