(cache) Azure Machine Learningで超簡単に機械学習を始めてみよう！

何をするのか

今回は、Azure Machine Learningを使って、自動車の価格予想を機械学習で行います。自動車の様々な特徴（エンジンの種類、メーカー、ドアの数）から価格を予想することを目指します。

また、この記事は実際に手を動かすことを前提としています。 Azureの説明はしません！さっそく以下のリンクからAzureの登録をしましょう！ちなみに、無料な上に２万分のAzureクレジット(一ヶ月内有効)がもらえます。

azure.microsoft.com

※詳細のAzure登録方法が知りたい方はこちらを

blog.beginning-ai.com

Experimentを作成する

※この記事用のworkspaceが一つあるという前提で、進めていきます。

Azure Machine Learningでは基本的に、Experiment上で作業を行います。 Experimentを作成するために、フッターにあるNewボタンをクリックします。

Newボタンをクリックすると、以下の様な画面が現れるので、EXPERIMENTをクリックし、Blank Experimentを選択します。

データをセットする

機械学習を行うためには、データが必要です。今回は、サンプルデータを使用します。

Azure Machine Learning には、予めサンプルデータセットが容易されているので、それを利用します。今回は、自動車の値段とその自動車の特徴が含まれているデータセットを利用します。

使用する特徴を選択する

データセットの中には、様々なデータセットがありますが、今回は以下の特徴を選択します。

price（値段）
engine-type（エンジンのタイプ）
make(車のメーカー)
fuel-type(燃料のタイプ)
num-of-doors(ドアの数)
body-style (車の種類)
engine-location (エンジンの場所)

データセットの特徴を選択するためには、Select Colums in Datasetsを使用します。

Select Colums in Datasetsを設置することができたら、実際にデータセットのカラムを選択します。設置したSelect Colums in Datasetsをクリックして、Launch column selectorをクリックします。

カラムを選択し、チェックボタンをクリックします。

これで、カラムを選択することができました。最後に、Automobile price data (Raw)とSelect Colums in Datasetsを繋げましょう。

欠損があるレコードを削除する。

サンプルデータには、欠損があるレコードがあります。欠損があると予測の結果が大きく変わってしまうため、そのデータを削除します。

Clean Missing Dataを利用して、欠損しているデータを削除します。

Clean Missing Dataを配置することができたら、Clean Missing Dataを、Select Colums in Datasetsに繋げましょう。

学習用データ分を確保する

機械学習を行う時は、データセットを学習させる用とテストする用に分けるのが一般的です。今回は、学習用に70%のデータ・セットを使用します。データセットを分離させるためには、Split Dataを使用します。

Split Dataをクリックして、Fraction of rows in the first output datasetの項目を、0.7に設定します。

Train Modelを配置する

データセットを用意することができたので、実際に機械学習のロジックを構築していきます。 Train Modelを配置して、Split Dataと繋げましょう。この際、Split Dataの左とTrain Modelの右を繋げます。

機械学習のアルゴリズムを選択する

今回は、住宅価格予測（回帰問題）のため、Linear Regressionを選択します。 Linear Regressionを配置し、Train Modelと繋げます。

次に、予測したいカラムを選択します。住宅価格予測のため、priceを選択します。

これで、学習用のロジックを作成することができました。予測するためのロジックを用意することができたので、最後に30%のデータセットを使用して、どのくらいそのロジックが正しいが評価してみましょう。

評価用のロジックを実装する

Score Modelを配置して、Train ModelとSplit Dataに繋げます。

これで完成です。Runボタンを押して、評価結果を確認しましょう。

結果を確認する

Score Modelの丸枠をクリックして、Visualizeをクリックします。

すると、評価されたデータを確認できます。左が実際の価格で、右が予測した価格です。

これで、機械学習の入門をすることができました。
AzureMachineLearningを使用することで、コードを書かずに簡単に機械学習を行うことができます。また、今回作成した、アルゴリズムを使用して、データさえ用意できれば、自分の回帰問題を解決することができます。

もっと学びたい！

Azure Machine Learningでもっとやってみたいという方は、さわってわかる機械学習 Azure Macine Learning 実践ガイドだったり、Azure Machine Learning のチュートリアルをやってみるのが良いかと思います。