演练:开发预测分析解决方案,用于在 Azure 机器学习中评估信用风险
来源:互联网 发布:知乎平均985 编辑:程序博客网 时间:2024/06/06 18:36
在本演练中,我们将深入探讨在机器学习工作室中开发预测分析解决方案的过程。 我们将在机器学习工作室中开发一个简单模型,然后将其部署为 Azure 机器学习 Web 服务,以便模型在其中使用新数据进行预测。
本演练假设用户此前至少使用过机器学习工作室一次,且对机器学习概念有一些了解。 但不假设用户精通其中任一领域。
如果以前从来没用过 Azure 机器学习工作室,则可能一开始需要学习在 Azure 机器学习工作室中创建第一个数据科学试验这一教程。 该教程指导用户首次完成机器学习工作室的使用。 教程中会介绍各种基础知识:如何将模块拖放到试验中、如何将模块连接到一起、如何运行试验,以及如何查看结果。 另一个可有助于入门的工具是一个示意图,该示意图概述了机器学习工作室的各种功能。 可在此处下载并打印该图:Azure 机器学习工作室功能的概要示意图。
如果用户基本上是刚接触机器学习领域,我们有一个视频系列可能会有所帮助。 视频名为适合初学者的数据科学,视频中使用日常语言和概念对机器学习进行了精彩的介绍。
备注
免费尝试 Azure 机器学习
不需要信用卡或 Azure 订阅。 立即开始使用 >.
问题
假设用户需要根据他们提供的贷款申请相关信息预测个人的信用风险。
信用风险评估是个较为复杂的过程,但在本演练中我们可将其适当简化。 我们将使用它作为示例,展示如何使用 Microsoft Azure 机器学习来创建预测分析解决方案。 为此,我们将使用 Azure 机器学习工作室和机器学习 Web 服务。
解决方案
在本详细演练中,我们从开放使用的信用风险数据入手,并根据该数据开发和定型预测模型。 然后将模型部署为 Web 服务,以便其他用户可使用它来进行信用风险评估。
若要创建该信用风险评估解决方案,我们将执行以下步骤:
- 创建机器学习工作区
- 上载现有数据
- 创建试验
- 定型和评估模型
- 部署 Web 服务
- 访问 Web 服务
阅读全文
0 0
- 演练:开发预测分析解决方案,用于在 Azure 机器学习中评估信用风险
- 【机器学习】信用风险评估评分卡建模方法及原理
- Python数据挖掘与机器学习_通信信用风险评估实战(1)——读数据
- Python数据挖掘与机器学习_通信信用风险评估实战(2)——数据预处理
- Python数据挖掘与机器学习_通信信用风险评估实战(3)——特征工程
- 判别分析、logistic在信用风险评估中的应用
- 信用风险评估之 预测力指标(筛选特征)
- 基于五种机器算法的信用风险评估
- Python数据挖掘与机器学习_通信信用风险评估实战(4)——模型训练与调优
- 机器学习|Titanic预测生还分析
- 机器学习中常用评估指标汇总
- 【机器学习】机器学习中模型评估的方法
- 在 Azure 机器学习工作室中创建第一个数据科研试验
- python数据分析(预测性分析与机器学习)
- 机器学习评估
- 机器学习--算法评估
- 机器学习未来预测
- 机器学习预测市场走势?——期货交易分析
- 卷积神经网络——ResNeXt
- 【python】yield用法入门
- Specific cuDNN installation
- 英语单词
- 字符串全排列
- 演练:开发预测分析解决方案,用于在 Azure 机器学习中评估信用风险
- 无名namespace
- codeforces 413E 线段树
- golang chanel
- ERROR Dispatcher:42
- spring学习笔记 —— spring概述
- 搭建PHP开发环境(五)-虚拟主机
- HDU 1525 Euclid's Game 找规律博弈
- 移植 Nginx+PHP(FastCGI) 到 ARM Linux (三)