开始使用阿里云机器学习

阿里云机器学习平台是一套基于MaxCompute（原ODPS）的数据挖掘、建模、预测的工具，为您提供算法开发、分享、模型训练、部署、监控等一站式算法服务。通过统计学算法，对大量的历史数据进行学习从而生成经验模型，利用经验模型指导业务。您可以通过可视化的操作界面来操作整个实验流程，同时也支持PAI命令，您可通过命令行来操作实验。

本文档主要描述如何在机器学习平台上完成一些基本的任务。文章将从以下顺序为您介绍：

• 1.快速开通并创建


• 2.数据准备


• 3.数据预处理


• 4.数据可视化


• 5.算法建模


• 6.模型评估

 一.开通和创建

1.登陆阿里云官网，请先注册阿里云账号。

2.进入MaxCompute，选择相应的区域进行购买。目前阿里云机器学习支持“华东2”、“华北2”和“华南1”三个区域，推荐使用“华东2”，注意选择“按量付费”，如下图所示。

3.单击管理控制台进入机器学习控制台开通项目。需要完成以下三步：实名认证、创建AK、开通项目。

完成以上流程后，在控制台单击进入机器学习。 

1.单击左上角的首页，进入产品首页。



2.选择一个模板创建。单击从模板创建开始创建模板，单击查看文档可以看到详细的案例说明。
模板包含完整的实验流程以及数据，可以帮助您快速上手使用，新手建议使用心脏病预测模板，可以参照文档进行学习。

3.模板创建需要十秒钟左右时间，创建成功后如下图所示。单击运行开始实验，可以右键单击每个组件观察实验产出。

---

二.数据准备

1.机器学习平台上传数据说明

机器学习平台底层支持两种数据源，一种是MaxCompute存储数据，另一种是OSS存储数据。

注意：使用MaxCompute作为存储，建议当数据小于20MB时使用机器学习IDE环境上传，当数据大于20MB时使用命令行工具上传。

• MaxCompute上传数据：MaxCompute主要用来存储表结构数据，支持稀疏与稠密两种格式的数据，支持机器学习IDE上传和命令行工具上传两种方式。这部分的数据主要针对平台中除了深度学习以外的算法组件。


• OSS上传数据：OSS数据源主要针对深度学习相关算法组件，可用来存储结构化或非结构化数据。

2.IDE端上传数据到MaxCompute

（1）.进入机器学习平台，单击数据源，创建表。



（2）.选择相应的数据源，并创建与之匹配的字段。建议使用txt格式上传，csv格式易出现特殊字符。



对于稀疏格式数据，请参考libsvm数据使用文件上传数据。

命令行工具上传数据到MaxCompute

MaxCompute提供多种数据上传方式。请参考数据迁移到MaxCompute的N种方式，选择最合适的方式上传数据。

OSS上传数据

OSS上传数据，请参见：https://promotion.aliyun.com/ntms/act/ossdoclist.html。

操作步骤

1.开通并进入机器学习界面后，单击左边菜单栏的首页，选择新建->新建空白试验，如下图所示。



2.单击左边菜单栏的组件，打开源/目标文件夹，向画布中拖入读数据表组件，在右侧表选择栏填入对应的MaxCompute表名，如下图所示。



3.切换到字段信息栏，如下图所示，可以查看输入表的字段名、数据类型和前100行数据的数值分布。

---

三.数据预处理

1.数据准备完成后，单击组件，在工具和数据预处理文件夹下将SQL脚本、类型转换、归一化组件拖到画布中，并拼接成如下实验。

2.单击SQL脚本组件，在画布右侧的SQL脚本输入栏中输入sql语句，根据每个字段的含义将字符型转为数值。

select age,

(case sex when 'male' then 1 else 0 end) as sex,

(case cp when 'angina' then 0  when 'notang' then 1 else 2 end) as cp,

trestbps,

chol,

(case fbs when 'true' then 1 else 0 end) as fbs,

(case restecg when 'norm' then 0  when 'abn' then 1 else 2 end) as restecg,

thalach,

(case exang when 'true' then 1 else 0 end) as exang,

oldpeak,

(case slop when 'up' then 0  when 'flat' then 1 else 2 end) as slop,

ca,

(case thal when 'norm' then 0  when 'fix' then 1 else 2 end) as thal,

(case status  when 'sick' then 1 else 0 end) as ifHealth

from  ${t1};

3.单击数据转换组件，在画布右侧的字段设置页签，单击转换为double类型的列下方的选择字段，选择全部字段，将字段类型转换为double。

4.单击归一化组件，在画布右侧的字段设置页签，选择全部字段。完成后单击画布下方的运行，系统将自动开始运行实验，在运行过程中可右键查看各组件的输出。

5.在数据预处理文件夹下，将拆分组件拖到画布中，并拼接运行，如下图所示。

说明：此步骤的目的是将数据拆分成两份，80%作为模型训练集，20%作为模型预测集。

---

四.数据可视化

1.在统计分析文件夹下，将全表统计组件拖入画布中，连接并运行，如下图所示。



2.待实验运行结束后，右键单击全表统计，选择查看数据，可看到数据的全表统计信息，如下图所示。

---

五.算法建模

1.在机器学习->二分类文件夹下，将逻辑回归二分类组件拖入画布。

2.在右侧的字段设置页签，将目标列设置为“ifhealth”，训练特征列选择除目标列以外的全部列，并拼接运行，如下图所示。

---

六.模型评估

1.在机器学习文件夹下，将预测组件拖入画布，并连接对应的组件流和数据流，如下图所示。



2.在机器学习->评估文件夹下，将二分类评估组件拖入画布。在画布右侧的字段设置页签，将原始标签列列名设置为“ifhealth”，并连接对应的组件流和数据流。

3.单击运行。完成后右键单击二分类评估组件，选择查看评估报告，单击图表页签，得到不同参数下训练的LR模型的ROC曲线，如下图所示。