DataExplore-Workshop

Dllab Engineers Days 2019 Handson Day1

自動機械学習 AutoML & 要因探索 ハンズオン

機械学習を使って色んな問題を解きたいけど、人材やスキル不足が課題でなかなか前に進まない…そんな状況から脱出しませんか？ Azureは機械学習の民主化を実現するプラットフォームを提供しています。本ハンズオンでは、マウス操作による簡単な要因探索、また自動機械学習を利用して高速にプロトタイプを構築するプロセスをご体感頂きます。今回は Azure Machine Learning service の自動機械学習 (Automated Machine Learning) や PowerBI の要因探索機能 (Key Influencers) を中心に利用します。Azure Machine Learning service によるモデルの解釈方法についても言及します。

Agenda

Setup

• 本ワークショップの開発環境の構築作業

Introduction

• 一般的な自動機械学習やモデル解釈のアプローチ方法
• 関連する Microsoft のサービス

Handson

• ハンズオンのコンテンツ

Sample Code

下記の表には、本リポジトリに含まれるサンプルコードのリストです。Environment 列のリンクからアクセスできます。

Algorithm	Environment	Interpretability Type	Description
Decision Tree	Azure ML service Python SDK / InterpretML	Interpretable	Decision Tree (決定木) を用いたモデル開発のサンプルコード
Linear Regression	Excel / Azure ML service Python SDK / InterpretML	Interpretable	Linear Regression (線形回帰) を用いたモデル開発のサンプルコード
Decision Tree & Linear Regressionn	Power BI - Key Influencers	Interpretable	KPI 要因探索ビジュアル機能
AutoML + Model Interpretability	Azure ML service Python SDK (Automated ML + Interpretabiliy SDK)	Model-Agnostic	自動機械学習 + モデル解釈統合フレームワーク
Microsoft InterpretML	Python - Classification	Interpretable	Microsoft Interpret ML によるモデル開発のサンプルコード
Global Surrogate	n/a	Model-Agnostic	Global Surrogate を用いたモデル解釈
Permutation Feature Importance	n/a	Model-Agnostic	PFI を用いたモデル解釈
LIME	external site	Model-Agnostic	LIME によるモデル解釈
SHAP	external site	Model-Agnostic	SHAP によるモデル解釈

Known Issues

うまくいかない時は、こちらのドキュメント を参照してください。

参考

• Azure AI 概要
• Azure Machine Learning service ドキュメント
• Azure Machine Learning service Sample Code
• Interpretable Machine Learning - A Guide for Making Black Box Models Explainable