---

2017 年 11 月

第 33 卷，第 11 期

本文章是由機器翻譯。

人工智慧 - 公開 Azure Machine Learning Studio 中的機器學習服務模型

由Frank La La | 2017 年 11 月

機器學習 (ML) 和人工地智慧 (AI) 空間的創新的重要驅動程式的其中一個已事實，大部分的尖端研究結果"離開實驗室 」，且會提供給大眾使用。服務，例如 Cortana 和 Skype 轉譯依賴年的語音辨識和語言分析工作位於全球使用者的手中。

在 [我的前一個資料行 (msdn.microsoft.com/mt826348)，我會示範如何在 Azure Machine Learning Studio 中建立 ML 模型。我使用做為起點的範例實驗，建立的模型，預測班機是否會取消精確度率的稍微大於 80%。雖然此模型可能會很有用本身，如果我針對此模型使用不只是資料科學家我的小組會實現 AI 完整 transformative 電源。如果此預測的模型會暴露在商務分析師嗎？如果提出他們可以輕鬆將使用在 Excel 中的預測模型嗎？如果模型已公開給應用程式開發人員可以嵌入任何數目的應用程式嗎？

在本文中，我將示範如何公開給非資料科學家使用者建立 Machine Learning Studio 中的 ML 模型。

機器學習 Studio 中建立的 Web 服務

幸運的是，Machine Learning Studio 可以直接公開 ML 模型，透過 Web 服務。透過瀏覽至 Machine Learning Studio studio.azureml.net 在。如果您遵循我的前一個資料行中的步驟，請開啟二元分類：飛行延遲預測實驗。如果沒有，請繼續並遵循我建立實驗的上個月。

載入之後，應該會在稱為 「 設定 Web 服務的網頁底部的按鈕。在其上按一下，然後按一下出現的內容功能表的預測 Web 服務 [建議] 選項 (請參閱圖 1)。如果要建立預測的 Web 服務的選項會呈現灰色，您可能必須重新執行實驗。按一下 [執行] 按鈕左邊的 [設定 Web 服務] 按鈕中所示圖 1。

圖 1： 設定 Azure Machine Learning Studio 中的 Web 服務操作功能表

一旦您按一下功能表選項，在對話方塊圖 2會出現。Machine Learning Studio 會提示您挑選定型模型 」 模組。為什麼會這樣？在這項實驗會將定型兩個 ML 模型： 一個使用二級促進式決策樹演算法和其他使用二級羅吉斯迴歸演算法。前文提過二級羅吉斯迴歸達成 81.7%的精確度，而二級促進式決策樹來達成 80.6 百分比。我想要公開為 Web 服務時，此的模型，所以建立二級羅吉斯迴歸演算法的模型。

圖 2 Azure Machine Learning Studio 會提示您挑選定型模型 」 模組

實驗版面配置的右側 — 專案分割成兩個路徑之後，會顯示為中所示圖 3。微調模型超模組執行參數掃掠模型，在此情況下二級促進式決策樹正上方模組，以決定最佳參數設定。若要了解什麼此模組，請以滑鼠右鍵按一下右手邊的輸出節點，並選擇 [視覺效果。

圖 3 更精確的模型是二級羅吉斯迴歸，增強由微調模型超

一次載入的對話方塊，它應該類似於圖 4。Machine Learning Studio 執行透過數排列，並建立 368 使用不同的輸入的資料欄位的不同的決策樹做為決策點，以尋找最佳的決策樹。按一下樹狀結構中的任何節點上會顯示節點和它的影響，在建立輸出模型相關的統計資料。樹狀結構顯示在左邊資料行的順序表示其順位方面產生精確的模型。請隨意瀏覽此對話方塊，以取得此模組執行的所有工作的讀者。

圖 4 視覺化微調模型超模組

當你準備好繼續進行時，請關閉此對話方塊。請確定已選取的微調模型超模組，然後按一下 [設定 Web 服務] 按鈕。在後面的內容功能表上，按一下預測 Web 服務 [建議] 選項。稍後，在實驗中的模組會四處移動以及實驗會分割成兩個索引標籤：定型實驗，並預測實驗。到目前為止完成的工作會保留在定型實驗] 索引標籤。預測實驗] 索引標籤包含相同的定型的模型和資料 wrangling 方法來公開為 Web 服務實驗的修改。按一下 [執行]，執行實驗。一旦實驗完成執行時，按一下 [部署 Web 服務] 5d; 按鈕以完成公開為 Web 服務的此資料模型的程序。

Web 服務部署完成後，Web 服務儀表板會出現在螢幕上。Web 服務儀表板提供有關如何存取、 設定和測試 Web 服務的資訊。按一下以反白顯示的測試連結圖 5。

圖 5 Web 服務儀表板 Azure Machine Learning Studio 中

按一下按鈕以啟用範例資料會遵循螢幕上。啟用範例資料會顯示 [測試] 對話方塊中的定型資料的子集。目標是要讓使用者更輕鬆地開始使用 Web 服務的 Web 服務。隨後，在表單上的文字欄位會填入值。按一下 [測試要求-回應] 按鈕來測試 Web 服務。在幾分鐘之後，測試結果會出現在螢幕的右側。

使用定型的模型，在 Excel 中

既然已定型的模型已部署為 Web 服務，它可供任何 HTTP REST 支援的用戶端，包括 Excel 2013 和較新。Excel 是絕佳的用戶端應用程式的任何預測的模型，因為它是適用於商務使用者全球既定的分析工具。此外，Excel 就會與許多其他分析工具，例如 Power BI 整合。

安裝 Azure 機器學習增益集

若要使用從 Azure Machine Learning，您需要安裝 Azure 機器學習模型增益集至 Excel。按一下 [插入] 索引標籤上，然後按一下 [儲存] 按鈕 (請參閱圖 6)。

圖 6 之增益集安裝至 Excel 2016

在下列對話方塊存放區上按一下 [搜尋] 方塊中輸入"Azure Machine Learning"並按下 Enter。中所見圖 7，Azure Machine Learning 增益集是第一個結果。按一下 [新增] 以安裝它。

圖 7 搜尋 Azure 機器學習增益集的存放區

安裝增益集之後，Azure Machine Learning 窗格會出現在右手邊的試算表中。請注意，依預設，已加入的服務。按一下 [加入 Web 服務] 按鈕以加入剛才建立的 Web 服務。在 Azure Machine Learning] 窗格中的 [新增服務] 對話方塊就會顯示兩個文字方塊：其中一個 Web 服務 URL 和另一個用於 API 金鑰來存取服務。Web 服務儀表板中找到的 API 金鑰圖 5。URL 可以找到相同的儀表板上。在預設端點區段中，以滑鼠右鍵按一下 [要求/回應中的 [文字] 連結，然後選擇將 URL 複製到剪貼簿複製連結位址。該值貼入在 Excel 中，[URL] 文字方塊中，如下所示圖 8。

圖 8 加入 Azure Machine Learning Web 服務以 Excel

按一下 [新增至目前的試算表中加入 Web 服務。

使用 Excel 中的 Web 服務

新增 Web 服務後，您可以使用它。在 Azure Machine Learning] 窗格中，按一下二元分類 – 班機誤點預測清單中可用的服務。按一下 [使用範例資料，而且在不久後，試算表中填入範例值的資料表。在 [輸入文字方塊中輸入"Sheet1 ！A1:N6 「 若要包含所有 （假設工作表的名稱是 Sheet1） 的範例資料。在 [輸出] 文字方塊中輸入"/o1。 」 立即輸出文字方塊下一則警告訊息會顯示有關覆寫現有的值。按一下已解除的警告訊息。

按一下預測和已預測值會顯示一段時間。增益集和 Web 服務連結現在是 Excel 檔案的一部分。您現在可能儲存，並將檔案與想要的合作對象共用。其他使用者不需要後續安裝增益集，或設定 Web 服務，因為增益集安裝和組態具有已處理它們。

存取其他應用程式中的 Web 服務

瀏覽至 Web 服務儀表板中顯示圖 5。請注意，— 撰寫本文時，沒有在預覽中新的 Web 服務體驗。按一下連結以檢視新的 Web 服務儀表板體驗。在基本項目，按一下 [使用端點] 連結，即可檢視許多有關如何使用服務的選項。

除了 API 存取金鑰和服務端點中，沒有存取在 C#、 Python 和 r 服務的範例程式碼另外還有 Azure ML 要求-回應服務 Web 應用程式專案，將會立即建立取用資料，請參閱 Azure 網站的連結bit.ly/2wBHE1j。如需詳細資訊，以及在此範本的運作方式的詳細逐步解說，請參閱文件，網址bit.ly/2yt99Ye。

總結

在本文中，我會示範如何公開 （expose） 給外界中的使用者建立 Machine Learning Studio 中的 ML 模型。從開始在前一個資料行中建立的預測模型，我示範公開該模型不只是資料科學家。畢竟，僅有用決策者都能存取的預測模型。大部分的機器學習最近創新的速度很快可以歸類為對 Azure 機器學習技術廣泛適用於企業使用者及客戶。

運用雲端，這些模型可能會部署及調整組織的現有的 IT 系統的任何其他基礎結構負擔沒有。事實上，少數額外無須瞬息萬變整合 Machine Learning Studio 從預測模型的開發人員。現在是這麼簡單在 Excel 和其他應用程式整合，讓這些模型廣泛地供探勘分析，以新增機器學習的值可能是沒有限制。

---

Frank La Vigne* DataDriven 播客會導致資料和分析練習 Wintellect 和共同的主機。他的部落格定期FranksWorld.com和您可以在他的 YouTube 頻道，觀賞他"Frank 的世界電視」 (FranksWorld.TV)。*

這點受惠檢閱本文章下列技術專家：Andy Leonard

---

MSDN Magazine 論壇中的這篇文章的討論