0

我们在 Azure ML Studio 中创建了一个实验,根据系统数据和用户数据预测一些调度活动。系统数据包括 CPU 时间、堆使用率和其他系统参数,而用户数据有用户的活动会话和一些用户特定的数据。我们的实验运行良好,返回的结果与我们预期的非常相似,但我们正在努力解决以下问题:-

1)我们的实验没有考虑更新数据来训练其模型。

2)每次我们都需要手动上传数据并重新训练模型。

我想知道是否真的可以使用一些 Web 服务或使用 Azure DB 将实时数据提供给 azure 实验。我们正在尝试更新我们在 Azure 存储中创建的 CSV 文件中的数据。这可能会解决我们的第一个查询。

现在,应该考虑这些更新的数据来定期自动训练模型。

如果有人可以帮助我们解决这个问题会很棒吗?

注意:我们使用在 Azure Studio 帮助下创建的 Web 服务来使用我们的模型。

4

2 回答 2

0

您需要使用 Azure 数据工厂重新训练 ML 模型。

您需要使用 ML Batch Execution 和 ML Update Resource 活动创建管道,并调用您需要在 Web 服务上配置端点的 ML 模型。

这里有一些链接可以帮助你:

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

于 2019-03-01T14:29:07.597 回答
0

步骤 1:使用 Azure ML Studio 创建 2 个 Web 服务(一个用于训练模型,一个用于预测模型)

步骤 2:通过 Web 服务创建端点,链接为每个 Web 服务在 Azure ML Studio 上管理端点

第 3 步:在 Azure 数据工厂/查找 Azure ML(在计算选项卡上)创建 2 个新连接,并复制您将在端点配置的“使用”选项卡下找到的端点密钥和 API 密钥(您在步骤 2 中创建的那个)端点密钥 = 批量请求密钥和 API 密钥 = 主密钥

为训练模型端点设置禁用更新资源为预测模型端点设置启用更新资源(更新资源端点=补丁键)

第 4 步:创建具有 2 个活动(ML Batch Execution 和 ML Update Resource)的管道

为具有启用更新资源的连接设置 ML 更新资源的 AML 链接服务

第 5 步:设置 Web 服务输入和输出

于 2019-03-07T15:24:59.453 回答