[토탈 솜루션] Total IOT Solution 머신 러닝 모델링

 

Azure Machine Learning Studio만 다룰 줄 알면 기존의 복잡한 코드로 머신러닝을 하던걸 간단하게 클릭 몇 번 만으로 모델링을 할 수 있다. 또, API/ Excel로도 쉽게 만들 수 있다. 

우리 팀은 Azure Machine Learning Studio에서 만든 머신으로 API를 만들어 프로젝트에 활용 할 수 있었다.

 

---

 

💻 Azure Machine Learning Studio 사용법

1. Microsoft Azure Machine Learning Studio에 들어가서 가입하기

학교 이메일로 가입하면 무료로 사용 가능

 

Microsoft Machine Learning Studio (classic)

 

2. 데이터 셋 준비하기

우측 하단의 new 버튼을 누르고 datasets을 삽입

 

3. 빈 실험 창 만들기

NEW 클릭 -> EXPERIMENT 클릭 -> Blank Experiment 클릭

 

4. workstation에 준비한 데이터 끌어오기

 

5. 데이터 전처리 해주기

Data Transformation의 Select Columns in Dataset과 Edit Metadata를 선택해 머신러닝에 사용할 행을 추출하고, 각 행의 데이터를 카테고리화 해줬다.

 

6. 훈련용 데이터와 평가용 데이터로 나누기

Data Transformation의 Sample and Split, Split Data를 선택해 훈련용 데이터 8 : 평가용 데이터 2로 나눈다.

 

 

 

• Fraction of rows in ~

훈련용 데이터를 몇 퍼센트의 비율로 나눌 것인지 기입한다.

• Random seed

아무 숫자나 적어두면 된다.

 

 

 

 

6. 필요한 알고리즘을 선택해 훈련 시키기

1. Machine Learning → initialize Model 에서 사용하고자 하는 알고리즘을 선택한다. 필자는 Multicalss Logistic Regression을 선택했다.
2. 알고리즘을 선택 했으면 이제 훈련을 시켜보자. Machine Learning → Train → Train Model을 워크스테이션에 끌어서 왼쪽 상단에는 알고리즘을, 오른쪽 상단에는 전처리 된 데이터를 연결해 준다. 오른쪽 상단에 select columns에서 종속 결과로 알고 싶은 행을 선택해 주면 모델링은 끝이다.
3. 훈련 결과를 알고 싶으면 Machine Learning → Score → Score Model을 끌어다와서 아래 사진과 같이 연결 해준다.

결과를 확인하는 방법은 Run 버튼을 누르고 모든 과정에 이상이 없으면 Score Model을 오른쪽 클릭해 visualize하면 된다.

 

7. 모델 정확성 검사

Machine Learning → Evaluate → Evaluate Model을 사용해 모델의 정확성을 알 수 있다. Evaluate Model의 왼쪽 상단에 ScoreModel을 연결하자.

​아래와 같이 accuracy가 0.8이상이면 좋은 결과가 나온 모델이라고 볼 수 있다.