阿里云机器学习平台PAI使用简明教程(一)

2020-03-18 528浏览量

简介: 阿里云机器学习平台是构建在阿里云MaxCompute(原ODPS)计算平台之上,集数据处理、建模、离线预测、在线预测为一体的机器学习平台。很多用户在初次使用PAI过程中因为对平台比较陌生,总是会遇到这样或那样的困惑。本文以通用的机器学习流程为指导,结合PAI平台逐一介绍数据准备、模型搭建与训练、模型部署与调用,将目前PAI平台的主要操作流程做一个梳理。本文的主要目的是做PAI平台使用流程的演示,所以算法上选择最简单的线性回归算法,便于用户的理解和操作。

操作

数据准备


1、DataStudio中创建数据表

  • SQL脚本

CREATE TABLE `lm_test_input` ( `value` bigint, `output1` bigint) ;

2、数据导入

目前支持多种方式将数据导入到表,如果是大数据量导入,请使用tunnel客户端工具导入数据到表中。本示例使用的数据量较少,直接通过SQL脚本的方式导入数据。

  • SQL脚本

INSERT into table lm_test_input values (1,2);INSERT into table lm_test_input values (2,4);INSERT into table lm_test_input values (3,6);INSERT into table lm_test_input values (4,8);INSERT into table lm_test_input values (5,10);select * from lm_test_input; --查看导入的数据

3、数据表


模型搭建与训练


1、新建空表实验

2、拖入组件“源/目标的”读数据表模块,配置:

3、拖入组件“工具”SQL脚本模块,用于读入数据:

4、拖入组件“数据预处理”拆分模块,用于将原数据集拆分为训练集和测试集:

5、拖入组件“机器学习”线性回归模块,分别指定特征及标签,用于训练模型:

6、拖入组件“机器学习”预测模块,用于预测测试集的情况:

7、整个流程:

8、点击运行按钮运行整个模型,当然也可以点击到具体的模块选择运行到此处,还可以分别查询各个模块的运行结果:

9、运行的结果:


模型的部署与调用

机器学习模型在线部署功能可以将您的模型一键部署为Restful API,您可以通过HTTP请求的方式进行调用。

1、部署模型

注意: 模型正常运行后才能部署,并不是搭建的实验都能生成模型,普通的数值处理不能生成模型,常见的可以生成模型算法包括:GBDT二分类、线性支持向量机、逻辑回归二分类、逻辑回归多分类、随机森林、KMeans、线性回归、GBDT回归(GBDT回归算法不支持int型数据格式输入,所以在部署前请注意GBDT算法输入应为Double型)、Tensorflow等。

2、Rest调用的参数

3、在线调试

4、程序调用(value:100)

实例Demo下载地址

5、监控

6、目前直接测试API功能默认分配的是二级域名,二级域名仅供测试使用,有每天1000次的访问限制。如果您有更大需求,请在分组管理界面单击绑定域名,对该API所在的分组进行域名绑定。具体参考模型在线部署使用说明


更多参考

什么是阿里云机器学习

机器学习

分享:

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

机器学习/深度学习 SQL 数据采集 监控 算法 API TensorFlow 算法框架/工具 网络架构 数据格式
(0)

相关推荐