你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

使用 Azure 机器学习分析数据

项目
06/01/2023

本教程使用 Azure 机器学习设计器构建预测性机器学习模型。该模型基于 Azure Synapse 中存储的数据。本教程的场景是预测客户是否有可能购买自行车，这样自行车店 Adventure Works 就可以策划一个针对性的营销活动。

先决条件

要逐步完成本教程，需要以下各项：

随 AdventureWorksDW 示例数据预先加载的 SQL 池。若要预配此 SQL 池，请参阅创建 SQL 池并选择加载示例数据。如果你已有数据仓库但没有示例数据，则可手动加载示例数据。
一个 Azure 机器学习工作区。按照此教程创建一个新工作区。

获取数据

所用数据位于 AdventureWorksDW 的 dbo.vTargetMail 视图中。为了在本教程中使用数据存储，需要先将数据导出到 Azure Data Lake Storage 帐户，因为 Azure Synapse 当前不支持数据集。可以通过 Azure 数据工厂使用复制活动将数据从数据仓库导出到 Azure Data Lake Storage。使用以下查询进行导入：

SELECT [CustomerKey]
  ,[GeographyKey]
  ,[CustomerAlternateKey]
  ,[MaritalStatus]
  ,[Gender]
  ,cast ([YearlyIncome] as int) as SalaryYear
  ,[TotalChildren]
  ,[NumberChildrenAtHome]
  ,[EnglishEducation]
  ,[EnglishOccupation]
  ,[HouseOwnerFlag]
  ,[NumberCarsOwned]
  ,[CommuteDistance]
  ,[Region]
  ,[Age]
  ,[BikeBuyer]
FROM [dbo].[vTargetMail]

当数据在 Azure Data Lake Storage 中可用后，使用 Azure 机器学习中的数据存储连接到 Azure 存储服务。按照以下步骤创建数据存储和相应的数据集：

从 Azure 门户启动 Azure 机器学习工作室或从 Azure 机器学习工作室登录。
在“管理”部分的左窗格中单击“数据存储”，然后单击“新建数据存储”。
为数据存储提供一个名称，选择“Azure Blob 存储”作为类型，提供位置和凭据。然后单击“创建” 。
接下来，在“资产”部分的左窗格中单击“数据集”。选择“创建数据集”，并使用选项“从数据存储”。
指定数据集的名称，并选择“表格”作为类型。然后，单击“下一步”继续操作。
在“选择或创建数据集”部分，选择“以前创建的数据存储”选项。选择之前创建的数据存储。单击“下一步”并指定路径和文件设置。如果文件包含列标题，请确保指定列标题。
最后，单击“创建”以创建数据集。

配置设计器试验

接下来，按照以下步骤进行设计器配置：

单击“创作”部分的左窗格中的“设计器”选项卡。
选择“易用的预生成组件”以生成新管道。
在右侧的设置窗格中，指定管道的名称。
另外，请使用设置按钮选择以前预配的群集作为整个试验的目标计算群集。关闭“设置”窗格。

导入数据

在搜索框下的左窗格中选择“数据集”子选项卡。
将之前创建的数据集拖动到画布中。

清理数据

若要清理数据，请删除与模型无关的列。请遵循以下步骤进行配置：

在左窗格中选择“组件”子选项卡。
将“数据转换”<“操作”下的“选择数据集中的列”组件拖放到画布中。将此组件连接到“数据集”组件。
单击组件以打开“属性”窗格。单击“编辑”列以指定要删除哪些列。
排除两个列：CustomerAlternateKey 和 GeographyKey。单击“保存”

构建模型

数据按 80-20 的比例进行拆分：80% 用于训练机器学习模型，20% 用于测试该模型。此二元分类问题中使用了“双类”算法。

将“拆分数据”组件拖到画布中。
在属性窗格中，为“第一个输出数据集中的行的比例”输入 0.8。
将“双类提升决策树”组件拖放到画布中。
将“训练模型”组件拖到画布中。通过将该组件连接到“双类提升决策树”（ML 算法）组件和“拆分数据”（训练算法时基于的数据）组件来指定输入。
对于“训练模型”模块，请在“属性”窗格的“标签列”选项中选择“编辑列”。选择“BikeBuyer”列作为要预测的列，然后选择“保存”。

为模型评分

现在，测试模型在使用测试数据时表现如何。将比较两个不同的算法，看哪一个算法的表现更佳。请遵循以下步骤进行配置：

将“评分模型”组件拖放到画布中，并将其连接到“训练模型”和“拆分模型”组件。
将“双类贝叶斯平均感知器”拖到试验画布中。我们将比较此算法与双类提升决策树的表现。
复制“训练模型”和“评分模型”组件并将其粘贴在画布中。
将“评估模型”组件拖放到画布以比较两种算法。
单击“提交”以设置管道运行。
运行完成后，右键单击“评估模型”组件，并单击“可视化评估结果”。

提供的指标包括 ROC 曲线、精度和召回率示意图以及提升曲线。查看这些指标，可以看到第一个模型的表现优于第二个。若要查看第一个模型的预测结果，请右键单击“评分模型”组件，并单击“可视化评分的数据集”以查看预测的结果。

你会看到另外两个列已添加到测试数据集。

评分概率：客户购买自行车的可能性。
评分标签：模型执行的分类 – 自行车的购买者 (1) 或不是购买者 (0)。标签的概率阈值设置为 50%，并可以调整。

将“BikeBuyer”列（实际列）与“评分标签”列（预测列）进行比较，以查看模型的表现。接下来，你可以使用此模型针对新客户进行预测。你可以将此模型发布为 Web 服务或将结果写回 Azure Synapse。

后续步骤

若要详细了解 Azure 机器学习，请参阅 Azure 上的机器学习简介。

若要了解数据仓库中的内置评分，请参阅此文。