Azure Machine Learning은 Azure 예약 없이도 Microsoft 계정이 있으면 누구나 무료로 사용할 수 있습니다.

스튜디오 로그인

Azure Machine Learning은 Azure Machine Learning Studio라는 웹 응용 프로그램을 사용할 수 있습니다.
먼저 액세스http://studio.azureml.net하고 오른쪽 상단의 Sign In 단추에서 로그인합니다.

로그인한 Microsoft 계정은 Azure 가입이 필요하지 않습니다. ※이미 예약한 사람도 무료로 사용할 수 있다
로그인 후 Setting, Workspace 유형은 Free, WorkSpace Strorage는 10GB를 할당했습니다.
10GB의 워크시트를 무료로 만들 수 있다는 얘기다.

워크시트 만들기

작업표는 왼쪽 아래에서 새로 만들 수 있습니다.

빈 워크시트를 작성하려면 Blank Experiment 를 클릭합니다.

이번에 기계 학습에 사용할 데이터는 이미 준비한 샘플을 이용한다.
왼쪽 창에서 "Adult Census Income Binary Classification dataset"을 찾아 중간에 있는 워크시트에 끌어다 놓으십시오.

이 수치는 성인 소득이 50K를 넘었는지의 인구 센서스 수치다.
일주일의 근무 시간과 성별 등 다양한 데이터가 있다.
수입이 인컴열에 표시됩니다.

그런 다음 왼쪽 창에 데이터 세트에 연결할 열 데이터 세트 선택을 배치합니다.
이 모듈은 데이터 세트에서 필요한 열만 아래 모듈에 연결하는 것을 책임집니다.
열을 선택하려면 모듈을 클릭한 다음 오른쪽 창에서 열 선택기를 클릭합니다.

필요한 열을 축소합니다.수입과 관련이 있을 수 있는 열을 오른쪽 목록으로 옮겨라.
단, 인컴 열을 오른쪽 목록으로 절대 옮겨야 합니다.(income 열은 예측하고 싶은 데이터이기 때문에 삭제할 수 없습니다)

이어서 학습 데이터와 테스트 데이터로 나뉜다.
왼쪽 창에서 [데이터 분리]를 검색하여 워크시트에 배치하고 선택 열 데이터 세트에 연결합니다.
Split Data, 오른쪽 창에서 Fraction of rows in... 을 클릭합니다.문서 레지스트리에 항목을 추가합니다.
이곳의 수치는 몇 할의 학습 데이터를 나누는 것을 가리킨다.0.7의 경우 7할의 데이터를 학습용 데이터에 사용하고 3할의 데이터를 테스트 데이터에 사용한다.

이어서 기계 학습용 모듈을 배치한다.

Two-Class Support Vector Machine

Train Model

Score Model

Evaluate Model

에서 설명한 대로 해당 매개변수의 값을 수정합니다.
그리고 열차 모형을 클릭한 다음 오른쪽 창의'열차column selector'를 누르십시오.

텍스트 상자에 income 열을 입력하여 income 열을 지정합니다.
여기서 지정한 열은 머신러닝에서 예측한 데이터입니다.
즉, 이번 상황에서 2가지 지원 벡터기에서 2가지 income열을 식별하는 것이다.

기계 학습을 실시하다.

완료되면 "Run"단추를 눌러 머신러닝을 실행합니다.

이따가 "Finished running"이 뜨고 공부가 끝납니다.

결과를 보다

Score Model 아래를 마우스 오른쪽 버튼으로 클릭하고 Visualize 를 클릭합니다.

기계 학습 식별 결과를 표시하다.
income 열과 점수 계산 결과의 Scored labels를 비교하면 대체적으로 같은 값으로 식별할 수 있음을 알 수 있다.

그러나 이렇게 되면 통계적으로 얼마나 정밀한지 알 수 없다.
따라서 Evaluate Model 을 마우스 오른쪽 버튼으로 클릭하고 Visailize 를 누릅니다.
F1 스코어 봐.이 값은 0에서 1 사이의 식별 정밀도 지표로 F 값이라고 합니다.0.429에서 식별 정밀도가 상당히 떨어진다는 것을 알 수 있다.

끝내다

이번 Azure ML 프레젠테이션은 2단계 지원 벡터기로 무료로 식별되었다.
결과는 좋은 정밀도는 아니지만 특징량의 선택, 알고리즘의 선택 등에 힘쓰면 정밀도를 높일 수 있다.
여러분도 반드시 Azure ML에서 머신러닝의 세계를 체험해야 합니다.