通过

创建 R 模型

  • 项目

重要

对机器学习工作室（经典）的支持将于 2024 年 8 月 31 日结束。 建议在该日期之前转换到 Azure 机器学习。

从 2021 年 12 月 1 日开始，你将无法创建新的机器学习工作室（经典）资源。 在 2024 年 8 月 31 日之前，可继续使用现有的机器学习工作室（经典）资源。

ML 工作室（经典）文档即将停用，将来可能不会更新。

使用自定义资源创建 R 模型

类别： 数据转换/操作

注意

适用于：机器学习 Studio (经典) 应用

可在 Azure 机器学习设计器中获取类似的拖放模块。

模块概述

本文介绍如何使用 机器学习 Studio (经典) 中的"创建 R 模型"模块，从 R 脚本创建未训练的模型。

可以将模型基于任何包含在 R 包中的学习器，机器学习环境。

创建模型后，可以使用"训练模型"在数据集上训练模型，就像在数据集中训练任何其他机器学习。 训练的模型可以传递给评分模型，以便使用该模型进行预测。 然后就可以保存训练后的模型，并且可以将评分工作流作为 Web 服务发布。

警告

目前无法将 R 模型的评分结果传递给 评估 模型或 交叉验证模型。 如果需要评估模型，可以编写自定义 R 脚本，然后使用执行 R 脚本模块 运行 它。

除了使用"创建 R 模型"保存和重新使用自定义 R 模块外，还可以使用 R 创建自己的建模和数据管理过程的实现，将压缩格式的文件上传到工作区，然后将包注册为自定义模块。 有关详细信息，请参阅 自定义 R 模块。

如何配置创建 R 模型

使用此模块需要具备 R 的中级或专家知识。该模块支持使用已安装在 机器学习 中的 R 包中包含的任何学习器。

此示例 来自 Azure AI 库使用 常用包实现双类 Naïve Bayes e1070 分类器：+ 创建 R 模型。 建议将示例复制到工作区，然后继续操作。

  1. 将以下模块添加到试验： 创建 R 模型、 训练模型、 评分模型。

  2. 在" 创建R 模型"的"属性"窗格中，提供以下脚本：

  3. 示例实验还包括执行 Python 脚本 模块，该模块用于绘制用于模型评估的图形。 此模块在发布到 Web 服务时是可选的，但在开发试验时很有用。

    • 若要查看 Python 脚本中的图表，请右键单击 Python 模块，选择 "Python 设备"，然后选择"可视化 "。
    • 若要仅查看模型指标，请右键单击 Python 模块，选择 "Python 数据集"，然后选择"可视化 "。

    有关可选 Python 模块中的代码，请参阅 用于模型评估的 Python 模块。

培训脚本

以下示例演示了在训练程序 R 脚本中 可能使用的代码类型。

此脚本加载 R 包、使用包中的学习器创建模型，以及使用创建 R 模型中提供的预定义常量和函数配置功能和标签 列。

library(e1071)
features <- get.feature.columns(dataset)
labels   <- as.factor(get.label.column(dataset))
train.data <- data.frame(features, labels)
feature.names <- get.feature.column.names(dataset)
names(train.data) <- c(feature.names, "Class")
model <- naiveBayes(Class ~ ., train.data)

  • 第一行加载 R 包 e1071，其中包含我们想要使用的 Naïve Bayes 分类器算法。 由于这是预安装在 机器学习 包之一，因此无需下载或安装包。

  • 接下来的行从数据集获取特征列和标签列，然后将它们合并到名为 的新 R 数据帧中 train.data：

    features <- get.feature.columns(dataset)   
labels <- as.factor(get.label.column(dataset))   
train.data <- data.frame(features, labels)
feature.names <- get.feature.column.names(dataset)

  • 请注意使用这些预定义函数：

    • get.label.columns() 返回在训练模型模块中选为类 标签的 列。

    • get.feature.columns()选择在数据集中指定为特征的列。

      默认情况下，除标签列之外的所有列都被视为工作室 (经典) 。 因此，若要将特定列标记为特征，请使用"编辑 元数据"，或在 R 脚本中选择一组列。

    • get.feature.column.names(dataset) 从数据集获取特征列名称。

  • 组合数据集中的名称指定为 train.data中列的名称，并且为 Class 标签列创建临时名称。

    names(train.data) <- c(feature.names, "Class")

  • 代码的最后一行将 Naïve Bayes 分类器算法定义为变量的函数 (特征) 和结果 (数据) 标签 train.data 。

    model <- naiveBayes(Class ~ ., train.data)

  • 在整个模型创建、训练和评分脚本中，必须使用变量名称 model。

评分脚本

下面的代码演示了在 Scorer R 脚本中提供的 R 代码类型。

library(e1071)
probabilities <- predict(model, dataset, type="raw")[,2]
classes <- as.factor(as.numeric(probabilities >= 0.5))
scores <- data.frame(classes, probabilities)

  • 第一行是加载程序包。

  • 第二行使用训练脚本中的训练模型（由所需的变量名称 指定）计算评分数据集的预测概率 model。

  • 第三行是在分配预测的类标签时对概率应用 0.5 的阈值。

  • 最后一行是将类标签和概率组合成输出数据框架 scores。

  • 传递给评分模型模块的数据帧必须具有名称 scores。

可选的 Python 评估脚本

示例实验包括Azure AI 库 Python 脚本，该脚本用于生成用于模型评估的指标和图表。

def azureml_main(dataframe):
    import matplotlib
    matplotlib.use("agg")
    
    from sklearn.metrics import accuracy_score, precision_score, recall_score, roc_auc_score, roc_curve
    import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    
    scores = dataframe.ix[:, ("Class", "classes", "probabilities")]
    ytrue = scores["Class"]
    ypred = np.array([float(val) for val in scores["classes"]])    
    probabilities = scores["probabilities"]
    
    accuracy, precision, recall, auc = \
    accuracy_score(ytrue, ypred),\
    precision_score(ytrue, ypred),\
    recall_score(ytrue, ypred),\
    roc_auc_score(ytrue, probabilities)
    
    metrics = pd.DataFrame();
    metrics["Metric"] = ["Accuracy", "Precision", "Recall", "AUC"];
    metrics["Value"] = [accuracy, precision, recall, auc]

# Plot ROC Curve
    fpr, tpr, thresholds = roc_curve(ytrue, probabilities)
    fig = plt.figure()
    axis = fig.gca()
    axis.plot(fpr, tpr, linewidth=8)
    axis.grid("on")
    axis.set_xlabel("False positive rate")
    axis.set_ylabel("True positive rate")
    axis.set_title("ROC Curve")
    fig.savefig("roc.png")

    return metrics,

将自定义 R 模型工作流发布为 Web 服务

运行试验后，可以将整个试验发布为 Web 服务。

有关如何从工作室创建 Web 服务的更新说明 (经典) ，请参阅演练步骤 5：部署 机器学习 Web 服务

默认情况下，Web 服务根据要提供的训练数据来预计所有输入列，其中包括标签列。 可以在输入数据源和评分模型模块之间添加"选择数据集中的列"实例，以排除尝试预测的标签。

技术说明

  • " 创建 R 模型" 模块仅支持使用 CRAN R。 不能选择其他 R 版本，也不能使用 Microsoft R Open。

  • 该模型将在首次运行模块后进行缓存，除非输入脚本中出现更改，否则，后续运行时不会调用该模块。 如果 R 脚本使用以下任一函数，请考虑此行为：

    • 生成随机数的函数
    • 生成随机数的函数
    • 其他非确定性函数

  • 通过此模块创建的自定义 R 模型不能用于以下模块：

  • R 模型不会自动执行分类数据的特征标准化或是处理丢失的值。 此类变量的处理应当在训练和评分 R 脚本内完成。

预定义函数表

使用情况 说明
get.feature.columns(dataset) 获取所有特征列。
get.label.column(dataset, label.type=TrueLabelType) 获取给定类型的标签列。

有关可用类型的列表，请参阅常量部分。
get.label.column.names(dataset) 获取所有标签列的名称。
get.label.column.name(dataset, label.type=TrueLabelType) 获取给定类型的标签列的名称。

有关可用类型的列表，请参阅常量部分。
get.label.column.types(dataset) 获取所有标签列的类型。
get.feature.column.names(dataset) 获取所有特征列的名称。
dataset < - set.score.column(dataset, score.type, column.name) 设置给定类型的评分列。

有关可用类型的列表，请参阅常量部分。
dataset < - set.feature.channel(dataset, channel.name, column.names) 设置给定名称的特征通道。

有关可用名称的列表，请参阅常量部分。

预定义常量表

返回的常量 说明
TrueLabelType 真正的标签列类型
ScoredLabelType 评分的标签列类型
RawScoreType 原始评分列类型
CalibratedScoreType 校准评分列类型
ScoredProbabilitiesMulticlassColumnTypePattern 用于为多类分类器准备评分概率列类型的模式
BayesianLinearRegressionScoresFeatureChannel 具有贝叶斯线性回归评分的特征通道的名称
BinaryClassificationScoresFeatureChannel 具有二进制分类评分的特征通道的名称
MulticlassClassificationScoresFeatureChannel 具有多类分类评分的特征通道的名称
OrdinalRegressionScoresFeatureChannel 具有顺序回归评分的特征通道的名称
RegressionScoresFeatureChannel 具有回归评分的特征通道的名称

示例

有关如何在机器学习试验中使用此模块的其他示例，请参阅 Azure AI 库。

预期输入

名称 类型 说明
训练器 R 脚本 Script 输入为数据集、输出为未经训练的模型的 R 脚本。
评分器 R 脚本 Script 输入为模型和数据集、输出为脚本中指定的评分的 R 脚本。

Outputs

名称 类型 说明
建模 ILearner 接口 未经训练的模型

另请参阅

执行 R 脚本
R 语言模块