阿里雲機器學習平臺PAI使用簡明教程(一)

操作

數據準備

1、DataStudio中創建數據表

SQL腳本

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

2、數據導入

目前支持多種方式將數據導入到表，如果是大數據量導入，請使用tunnel客戶端工具導入數據到表中。本示例使用的數據量較少，直接通過SQL腳本的方式導入數據。

SQL腳本

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; --查看導入的數據

3、數據表

模型搭建與訓練

1、新建空表實驗

2、拖入組件“源/目標的”讀數據表模塊，配置：

3、拖入組件“工具”SQL腳本模塊，用於讀入數據：

4、拖入組件“數據預處理”拆分模塊，用於將原數據集拆分為訓練集和測試集：

5、拖入組件“機器學習”線性迴歸模塊，分別指定特徵及標籤，用於訓練模型：

6、拖入組件“機器學習”預測模塊，用於預測測試集的情況：

7、整個流程：

8、點擊運行按鈕運行整個模型，當然也可以點擊到具體的模塊選擇運行到此處，還可以分別查詢各個模塊的運行結果：

9、運行的結果：

模型的部署與調用

機器學習模型在線部署功能可以將您的模型一鍵部署為Restful API，您可以通過HTTP請求的方式進行調用。

1、部署模型

注意: 模型正常運行後才能部署，並不是搭建的實驗都能生成模型，普通的數值處理不能生成模型，常見的可以生成模型算法包括:GBDT二分類、線性支持向量機、邏輯迴歸二分類、邏輯迴歸多分類、隨機森林、KMeans、線性迴歸、GBDT迴歸（GBDT迴歸算法不支持int型數據格式輸入，所以在部署前請注意GBDT算法輸入應為Double型）、Tensorflow等。