クラウドスペースで機械学習ができるAzure Machine Learning(3)機械学習系モジュールについて

クラウドスペースで機械学習ができるAzure Machine Learning(3)機械学習系モジュールについて

<<前の記事に戻る

 

本シリーズは、Azure MLについて複数回にわけご紹介しています。
今回は、機械学習系モジュールの概要についてです。
1
機械学習に用いる主要なモジュールは、さらに4つの分類があります。
アルゴリズム選択の他、モデルの精度を測定するなど、最も重要なモジュール群です。
データ加工の必要等がなければ、このモジュール群だけで機械学習がおこなえます。

①Evaluate(評価)

evaluate
モデルの精度を測定するのにこれらのツールを使用します。
ホールドアウト法や、交差検証が簡単に実装できます。
評価手法により、学習用データと評価用データを分けるためにSplitを併用します。

②Initialize Module(初期化)

initializemodule
ここでアルゴリズムを選択します。
最も重要なモジュールです。ここはさらに
・Anomaly Detection(異常の検出アルゴリズム)
・Classification(分類アルゴリズム)
・Clustering(クラスタリングアルゴリズム)
・Regression(回帰アルゴリズム)
に分かれており、さらにそれぞれの直下に具体的なアルゴリズムがぶら下がります。

③Score(スコア)

score
データの予測結果を表示させます。
ヴィジュアル化された予測結果を表示できます。
アルゴリズムに応じてモジュールを選びます。

④Train(トレーニング)

train
データを学習します。
アルゴリズムに応じてモジュールを選びます。

以上が機械学習系モジュールの概要となります。
Azureでの機械学習の流れとしては、
Initialize Moduleでアルゴリズムを選択し、Trainでアルゴリズム毎にトレーニングを実施。
それをScoreで受けて、必要に応じてEvaluateで評価する。
という流れになります。
Initialize Moduleに使いたいアルゴリズムが無い場合は、R Language Modulesなどで代用します。

次回は、これらのモジュールを使って線形回帰をおこないます。

 

続きを読む>>