今年早些時(shí)候，微軟在Power BI中引入了自動(dòng)機(jī)器學(xué)習(xí)(AutoML)作為公開預(yù)覽?，F(xiàn)在，Power BI中的AutoML通常可用于Power BI Premium和Embedded可用的所有公共云區(qū)域。

在Power BI中使用AutoML，在機(jī)器學(xué)習(xí)方面沒(méi)有豐富背景的業(yè)務(wù)分析師可以構(gòu)建ML模型來(lái)解決曾經(jīng)需要數(shù)據(jù)科學(xué)家的業(yè)務(wù)問(wèn)題。ML模型創(chuàng)建背后的大多數(shù)數(shù)據(jù)科學(xué)都是由Power BI自動(dòng)化的，同時(shí)提供全面的見(jiàn)解，使您可以直觀地了解用于創(chuàng)建ML模型的過(guò)程。因?yàn)锳utoML針對(duì)的分析師可能沒(méi)有構(gòu)建ML模型的經(jīng)驗(yàn)，所以開發(fā)團(tuán)隊(duì)在添加自動(dòng)防護(hù)方面進(jìn)行了大量投資，比如類平衡、訓(xùn)練測(cè)試數(shù)據(jù)分割、交叉驗(yàn)證、缺失值估算和高基數(shù)特征檢測(cè)，以確保生成的模型具有良好的質(zhì)量。

點(diǎn)擊下載Power BI Desktop正式版

荷蘭提供全方位服務(wù)的數(shù)字公司Macaw在Power BI中部署了自動(dòng)機(jī)器學(xué)習(xí)，以快速獲取銷售數(shù)據(jù)，并在Power BI中直接培訓(xùn)、驗(yàn)證和調(diào)用機(jī)器學(xué)習(xí)模型。Macaw的首席數(shù)據(jù)和人工智能顧問(wèn)戴夫?瑞吉特(Dave Ruijter)分享道:“Power BI內(nèi)部的自動(dòng)化功能幫助我們衡量如何將解決方案與AI功能融合在一起?！爆F(xiàn)在，Macaw Power BI分析師可以將機(jī)器學(xué)習(xí)納入他們的解決方案中，而無(wú)需數(shù)據(jù)科學(xué)家的參與。他們的客戶之一、Shoeby的合伙人兼首席信息官米奇?范?德森(Mitch van Deursen)表示:“通常情況下，建模需要幾個(gè)月的時(shí)間，而現(xiàn)在我們能在5天內(nèi)得到關(guān)鍵業(yè)務(wù)問(wèn)題的答案?！?/p>

隨著公共預(yù)覽版的發(fā)布，AutoML in Power BI允許用戶：

• 訓(xùn)練機(jī)器學(xué)習(xí)模型以執(zhí)行二進(jìn)制預(yù)測(cè)，一般分類和回歸

• 查看模型訓(xùn)練報(bào)告

• 將ML模型應(yīng)用于他們的數(shù)據(jù)，并查看預(yù)測(cè)和解釋

開發(fā)團(tuán)隊(duì)一直在改進(jìn)并在Power BI中為AutoML添加新功能。

非布爾結(jié)果的二進(jìn)制預(yù)測(cè)支持

早些時(shí)候，AutoML期望二進(jìn)制預(yù)測(cè)模型的結(jié)果字段為布爾值?，F(xiàn)在，開發(fā)團(tuán)隊(duì)在結(jié)果字段中也支持非布爾值。在向?qū)е?，您可以直接選擇最感興趣的目標(biāo)結(jié)果，從而節(jié)省了將其轉(zhuǎn)換為布爾值的預(yù)處理步驟。

改進(jìn)功能推薦

開發(fā)團(tuán)隊(duì)改進(jìn)了統(tǒng)計(jì)方法，這些統(tǒng)計(jì)方法建議了可用于訓(xùn)練ML模型的輸入字段?，F(xiàn)在，Auto ML將分析所選實(shí)體的樣本、推薦字段，并顯示不建議使用字段的原因。如果某個(gè)字段具有太多不同的值或只有一個(gè)值，或與輸出字段的相關(guān)性較低或較高，則不建議使用此方法。

點(diǎn)擊下載Power BI Pro正式版

控制訓(xùn)練時(shí)間

現(xiàn)在，AutoML允許您控制訓(xùn)練模型的時(shí)間。

您可以選擇減少培訓(xùn)時(shí)間來(lái)查看快速結(jié)果，或者增加用于培訓(xùn)的時(shí)間來(lái)獲得最佳模型。前者在構(gòu)建POC或確保選擇了正確的字段時(shí)非常有用。

改進(jìn)的培訓(xùn)報(bào)告

培訓(xùn)報(bào)告已經(jīng)改進(jìn)，使其更具可讀性。此外，現(xiàn)在生成報(bào)告的速度快了兩倍。

二元預(yù)測(cè)報(bào)告現(xiàn)在包括一個(gè)成本效益分析工具。給定目標(biāo)的估計(jì)單位成本和實(shí)現(xiàn)目標(biāo)結(jié)果的單位收益，它可以幫助您應(yīng)該以產(chǎn)生最高利潤(rùn)為目標(biāo)的人群子集。

可解釋的AI

AutoML強(qiáng)調(diào)預(yù)測(cè)的可解釋性，以提供對(duì)最重要字段的可見(jiàn)性。它提供了訓(xùn)練過(guò)程中的最佳預(yù)測(cè)變量，以及對(duì)ML模型在評(píng)分過(guò)程中產(chǎn)生的每個(gè)預(yù)測(cè)的解釋。

改進(jìn)了“最佳預(yù)測(cè)變量”部分，以顯示可理解的功能細(xì)分，因此您可以輕松地驗(yàn)證模型是否與您對(duì)結(jié)果字段的業(yè)務(wù)洞察力保持一致。 在下面的房?jī)r(jià)預(yù)測(cè)示例中，“ sqft_living”（右側(cè)）的功能細(xì)分圖表顯示，較高的“ sqft_living”值具有較高的房?jī)r(jià)。

除此之外，開發(fā)團(tuán)隊(duì)還增加了對(duì)頂級(jí)預(yù)測(cè)變量中文本功能的支持。

現(xiàn)在，將對(duì)預(yù)測(cè)的解釋作為一個(gè)單獨(dú)的實(shí)體出現(xiàn)，以使其易于訪問(wèn)和閱讀。為了使模型預(yù)測(cè)可解釋，我們顯示了每個(gè)特征對(duì)預(yù)測(cè)的貢獻(xiàn)，這些貢獻(xiàn)加起來(lái)等于預(yù)測(cè)值。

在下面的房?jī)r(jià)預(yù)測(cè)示例中，您可以看到一些功能具有正面影響（綠色），而其他功能則具有負(fù)面影響（紅色）。 將這些貢獻(xiàn)加到基值（在這種情況下，訓(xùn)練數(shù)據(jù)中房屋價(jià)格的平均值）中，得出的預(yù)測(cè)房屋價(jià)格為379,738美元，從而使您可以輕松地解釋這些模型預(yù)測(cè)。

使用這個(gè)解釋實(shí)體，不久將提供自動(dòng)生成的解釋報(bào)告，您可以快速構(gòu)建解釋模型預(yù)測(cè)的報(bào)告。

開始構(gòu)建自己的ML模型

這篇教程，展示了如何使用Auto ML構(gòu)建您的機(jī)器學(xué)習(xí)模型。趕緊下載Power BI Desktop、Power BI Pro體驗(yàn)自動(dòng)機(jī)器學(xué)習(xí)功能，構(gòu)建自己的ML模型吧！

*想要獲得Power BI Desktop、Power BI Pro更多資源或正版授權(quán)的朋友，可以咨詢了解哦~