使用 Azure ML Studio 进行分类建模

2020-09-08 08:00:00 · 飞浪

介绍分类建模是两种最广泛使用的机器学习算法之一，另一种是回归。当目标变量是分类变量时，使用分类算法。有几种使用分类算法的用例，例如信用卡欺诈预测、电子邮件分类为垃圾邮件和正常邮件、员工

介绍

分类建模是两种最广泛使用的机器学习算法之一，另一种是回归。当目标变量是分类变量时，使用分类算法。有几种使用分类算法的用例，例如信用卡欺诈预测、电子邮件分类为垃圾邮件和正常邮件、员工流失预测等。在本指南中，您将研究贷款申请批准的用例，您将在其中构建分类模型来预测贷款批准。您将使用 Azure 机器学习工作室构建和评估模型。

数据

在本指南中，您将处理一个虚构的贷款申请人数据集，其中包含 600 个观测值和 9 个变量，如下所述：

Is_graduate申请人是否是毕业生（“是”）或不是（“否”）。
收入申请人的年收入（以美元计）。
Loan_amount提交申请的贷款金额（以美元计）。
Credit_score申请人的信用评分是否令人满意。
年龄申请人的年龄。
性别申请人是女性（F）还是男性（M）。
批准状态贷款申请是否被批准（“是”）或不被批准（“否”）。这是因变量。
投资申请人申报的投资额（以美元计）。
目的申请贷款的目的。

您将从加载数据开始。

加载数据

将工作区命名为“分类建模”。接下来，您将数据加载到工作区中。单击NEW，然后选择DATASET选项。这将打开如下所示的窗口，可用于从本地系统上传数据集。上传名为data_classification.csv的数据。

文件加载完成后，您可以在“已保存的数据集”选项中看到它。下一步是将其从“已保存的数据集”列表拖到工作区中。

探索数据

探索数据有助于理解变量及其结构。这有助于数据清理、数据预处理以及特征工程。要探索数据，请右键单击并选择“可视化”选项，如下所示。

选择不同的变量来检查基本统计数据。例如，下图显示了变量Credit_score的详细信息。

右侧的“统计”部分显示变量的汇总统计值。它显示为具有两个唯一值的字符串特征。此类特征需要转换为分类变量。

转换数据类型

在本部分中，您将转换数据类型。首先在搜索栏中输入“编辑元数据”以找到编辑元数据模块，然后将其拖到工作区中。

下一步是单击位于工作区右侧的启动列选择器选项，然后从可用列中选择字符串变量。

做出选择后，所选列将显示在工作区中。接下来，从“分类”下的下拉选项中选择“制作分类”选项。

接下来点击工作区底部的运行按钮执行操作。

分类算法

有几种分类算法，您将使用三种不同类型的算法。

双类逻辑回归：此模块用于使用逻辑回归预测二元结果。该算法通过将数据拟合到逻辑函数来预测两个目标类别。逻辑函数估计事件发生的可能性（在本例中为贷款批准与否），并将其转换为因变量approval_status的目标类别。
双类增强决策树：此模块使用增强决策树算法创建二元分类器。此算法基于集成学习模型，其中每棵树都通过纠正前一棵树的错误来构建。对于本指南中使用的数据，每棵树都会对因变量approved_status的目标类进行预测。最终预测基于整个树集合。
双类神经网络：此模块使用神经网络算法进行二元分类。神经网络是一组互连的层，用于解决许多具有挑战性的人工智能问题。它们通常优于传统的机器学习模型，因为它们具有非线性、变量交互和自定义的优势。对于所使用的数据，此算法创建一个由输入、输出和隐藏层组成的网络，以对目标类approved_status进行预测。

搜索并将这些模块拖到工作区中，如下所示。

交叉验证

模型验证在构建强大而稳健的机器学习模型中起着不可或缺的作用。模型验证有助于确保模型在新数据上表现良好，并有助于选择最佳模型、参数和准确度指标。一种流行的交叉验证技术是 k 倍交叉验证。

在 k 折交叉验证中，数据被分成 k 份。模型在k-1份上进行训练，其中一份留作测试。例如，如果 k 设置为 10，则数据将被分成 10 个相等的部分。之后，模型将基于前九份构建，而评估将基于第十份或第十份进行。此过程会重复进行，以确保数据集的每一份都有机会成为留作测试的数据集。完成此过程后，您可以使用平均值或/和标准差来总结评估指标。

交叉验证模型模块在 Azure 机器学习工作室中执行此任务。搜索并将三个交叉验证模型模块拖到工作区中，如下所示。

配置交叉验证模块

在此步骤中，您将配置模块。第一步是连接工作区中的各个模块，如下所示。

您可以在Cross Validate Model中看到红旗，需要进行更正。单击Launch 列选择器选项，然后选择目标变量approved_status，如下所示。

对所有交叉验证模型模块重复此过程。

训练模型

下一步是指定三种算法的参数，从Two-Class Boosted Decision Tree开始。为此，单击模块，您将看到几个训练参数。对于创建训练器模式，选择单参数选项，当您知道如何配置算法时使用该选项。第二个参数是每棵树的最大叶子数，它表示在任何树中要创建的最大终端节点数。将此值设置为 20。填写其他选项，如下所示。

下一步是配置二分类神经网络模块，如下所示。算法的参数在此步骤中配置。

最后，指定二分类逻辑回归模块的参数。

要完成操作，请运行实验。每个模块上的绿色勾号表示该模块已成功运行。

模型评估

您已经构建了预测模型，下一步是评估预测模型的性能。交叉验证模型的左侧输出端口包含评分结果。

<a t

_{免责声明：本内容来源于第三方作者授权、网友推荐或互联网整理，旨在为广大用户提供学习与参考之用。所有文本和图片版权归原创网站或作者本人所有，其观点并不代表本站立场。如有任何版权侵犯或转载不当之情况，请与我们取得联系，我们将尽快进行相关处理与修改。感谢您的理解与支持！}

_查看原文

技术指南

阅读全文