[英]Retrain the classification model automatically based on updated data set
我們已經在Azure ML Studio中創建了一個實驗,以根據系統數據和用戶數據預測一些計划活動。 系統數據由CPU時間,堆使用率和其他系統參數組成,而用戶數據具有用戶的活動會話和某些特定於用戶的數據。 我們的實驗運行良好,返回的結果與我們期望的結果非常相似,但是我們在以下方面苦苦掙扎:
1)我們的實驗沒有考慮更新的數據來訓練其模型。
2)每次要求我們上傳數據並手動重新訓練模型時。
我想知道是否真的有可能使用某些Web服務或使用Azure DB將實時數據輸入到Azure實驗中。 我們正在嘗試更新在Azure存儲中創建的CSV文件中的數據。 那可能會解決我們的第一個查詢。
現在,應該考慮使用此更新的數據來定期自動訓練模型。
如果有人可以幫助我們解決這個問題,那將是很好嗎?
注意:我們正在使用在Azure Studio的幫助下創建的Web服務來使用我們的模型。
您需要使用Azure數據工廠來重新訓練ML模型。
您需要使用ML批處理執行和ML更新資源活動創建管道,並且要調用ML模型,需要在Web服務上配置端點。
以下是一些可以幫助您的鏈接:
https://docs.microsoft.com/en-us/azure/data-factory/transform-data-using-machine-learning
https://docs.microsoft.com/en-us/azure/data-factory/update-machine-learning-models
步驟1:使用Azure ML Studio創建2個Web服務(一個用於訓練模型,一個用於預測模型)
步驟2:通過Web服務創建鏈接,並在Azure ML Studio上為每個Web服務鏈接“管理端點”
步驟3:在Azure數據工廠/查找Azure ML(在計算選項卡上)上創建2個新連接,並復制在終結點配置的“消費”選項卡下將找到的終結點密鑰和API密鑰(在步驟2中創建的)端點密鑰=批處理請求密鑰和API密鑰=主密鑰
為訓練模型端點設置禁用更新資源為預測模型端點設置啟用更新資源(更新資源端點=補丁鍵)
步驟4:創建具有2個活動(ML批處理執行和ML更新資源)的管道,為ML批處理執行AML鏈接服務,其連接已禁用更新資源
使用具有啟用更新資源的連接為ML更新資源設置AML鏈接服務
步驟5:設置Web服務的輸入和輸出
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.