Techfair.jp 2017年3月2017年3月4日

瀬尾佳隆 (@seosoft)Microsoft MVP for Windows Dev

機械学習とAzure ML Studio の基本

おことわり

本資料は、2017年3月4日時点の内容です

Slideshare 公開した 2018年1月時点では一部古い内容を含んでいることがありますが、記録・参考として公開します

自己紹介

瀬尾佳隆 (せおよしたか)•MVP for Windows Development• http://yseosoft.wordpress.com/• 乃木坂46 / 欅坂46 と仏像 / 屏風絵が好き

Techfair 主宰 (http://techfair.jp/)

Cogbot コミュニティ スタッフ

今日の内容

機械学習の基本的な考え方

Azure ML Studio の操作方法

扱わないこと• R 言語や Python は扱いません（できません）•統計学的な深堀りはしません（できません）

機械学習とは

機械学習とは

「蓄積したデータを、コンピューターが自動的に上手く使って、人間が思いつかないような全く新しい答えを考え出してくれる」 こと

機械学習とは

「蓄積したデータを、コンピューターが自動的に上手く使って、人間が思いつかないような全く新しい答えを考え出してくれる」 こと

※実際に、これを期待した相談を受けたことがあります

機械学習とは

Azure Machine Learning Hands on Labs によると：

https://github.com/Azure-Readiness/hol-azure-machine-learning

機械学習とは

Using known data, develop a model to predict unknown data.

既存のデータを使って

Using known data, develop a model to predict unknown data.

Known data 既存のデータを使って

学習モデルを開発して

Using known data, develop a model to predict unknown data.

Known data 既存のデータを使って

Model 学習モデルを開発して

新しいデータを予測すること

Using known data, develop a model to predict unknown data.

Known data 既存のデータを使って

Model 学習モデルを開発して

Unknown data 新しいデータを予測する

学習モデル

初期モデル

（アルゴリズム）

学習用データ

結果を予測

するための

“方法”

学習モデルの種類

教師あり・・・過去のデータから未来を予測する•分類（二項／多項）•回帰•異常検出

教師なし・・・過去のデータを整理する•グループ化（＝クラスタリング）

https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning-algorithm-choice

分類

「Aか Bか」• この気温・湿度ならば、晴れか雨か（曇りか）？• この条件ならば、Aか Bか？

https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning-data-science-for-beginners-the-5-questions-data-science-answers

回帰

「どのくらいの量／数か」• この気温・曜日ならば、商品は何個売れそうか？•今日はこの気温なら、明日は何度になりそうか？

https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning-data-science-for-beginners-the-5-questions-data-science-answers

異常検出

「これは異常か」• この温度・音ならば、機械は故障しているか？•猫が混じっているが、どれか？

https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning-data-science-for-beginners-the-5-questions-data-science-answers

グループ化（＝クラスタリング）

「どのような構成か」•似た者同士で、班を作ろう• このデータは、このグループに入れよう

https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning-data-science-for-beginners-the-5-questions-data-science-answers

ML Studio の使い方

用意するもの

MS アカウント• https://www.microsoft.com/ja-jp/msaccount/signup/default.aspx

ML Studio サインイン• https://studio.azureml.net/

ML Studio～Home 画面

作成済みのワークスペース、学習モデルの一覧

ページ下部には、サンプルやチュートリアルが多数

ML Studio～Studio 画面 (1/4)Experiments

（学習モデル作成）

ML Studio～Studio 画面 (2/4)作成済み

Web サービス一覧

ML Studio～Studio 画面 (3/4)アップロード済み学習用データ（再利用可能）

ML Studio～Studio 画面 (4/4)作成済み学習モデル（再利用可能）

学習モデルの作り方

モデリングの流れ

1 データ入力

2 データ加工

3 初期モデルの決定

4 学習モデルの作成

5 学習結果の測定

6 評価用データを予測

7 未来を予測

モデリングの流れ

1 データ入力 学習に使うデータを用意する

2 データ加工 適切な形式に加工する

3 初期モデルの決定 学習に使うアルゴリズムを決める

4 学習モデルの作成 データ＋アルゴリズム

5 学習結果の測定 学習結果を数値で確認

6 評価用データを予測 実際のデータで学習結果を予測

7 未来を予測 サービス化して学習モデルを活用

今日、一番のポイント！

ML Studio で大事な点

「モデリングの流れ」 に沿って進めること• この流れから外れることはありません

モジュールを置くごとに、”Run selected” する•次のモジュールのパラメーター設定するために必須

Run selected したら、”Visualize” する•モデリングが適切かどうかをチェック

（もう一度）モデリングの流れ

1 データ入力 学習に使うデータを用意する

2 データ加工 適切な形式に加工する

3 初期モデルの決定 学習に使うアルゴリズムを決める

4 学習モデルの作成 データ＋アルゴリズム

5 学習結果の測定 学習結果を数値で確認

6 評価用データを予測 実際のデータで学習結果を予測

7 未来を予測 サービス化して学習モデルを活用

参考自習のために

今回の資料

機械学習と Azure ML Studio の基本 (この資料)• http://bit.ly/mlstudio20161203

IoTキットハンズオン解説 (ML Studio パート) #1 共通手順• http://bit.ly/mlhol_1_20161203

IoTキットハンズオン解説 (ML Studio パート) #2 回帰分析• http://bit.ly/mlhol_2_20161203

IoTキットハンズオン解説 (ML Studio パート) #3 分類分析• http://bit.ly/mlhol_3_20161203

IoTキットハンズオン解説 (ML Studio パート) #4 グループ化• http://bit.ly/mlhol_4_20161203

“20161203” ですごめんなさい

MS の公式資料

hol-azure-machine-learning• https://github.com/Azure-Readiness/hol-azure-machine-learning

Azure Machine Learning のドキュメント• https://docs.microsoft.com/ja-jp/azure/machine-learning/

初心者向けデータ サイエンス ビデオ• https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning-data-science-for-beginners-the-5-questions-data-science-answers

サンプルデータ

Azure Machine Learning Studio におけるサンプル データセットの使用• https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning-use-sample-datasets

UC Irvine Machine Learning Repository• http://archive.ics.uci.edu/ml/index.html