狠狠撸
Submit Search
罢补产濒别补耻から始める机械学习ーやってみよう笔测迟丑辞苍连携冲2019-05-23
?
1 like
?
1,823 views
Tomohiro Iwahashi
Follow
罢补产濒别补耻と笔测迟丑辞苍の连携方法、罢补产辫测颁濒颈别苍迟からデプロイ済みのモデルを呼び、リアルタイム予测するデモを実施しました。
Read less
Read more
1 of 26
Download now
Download to read offline
More Related Content
罢补产濒别补耻から始める机械学习ーやってみよう笔测迟丑辞苍连携冲2019-05-23
1.
Tableau から始める機械学習 ー やってみようPython連携 Tableau
Japan bashii-Tomohiro Iwahashi
2.
Why Python連携? 2
3.
R, SPSS, SAS,KXEN,KNIME, RapidMiner,DataRobot Magellan Blocks ビジネスの理解 データの理解 データの準備 予測モデルの作 成 モデルの評価 展開と共有 Tableau
Prep 機械学習+BI python 機械学習エンジンを 利用して予測機能を 拡張! Tableau Desktop Tableau Server Tableau Desktop データそのものの意 味を理解?ドメイン 知識と突き合わせる 楽できるところ は楽をしていい じゃん!!
4.
学習データからモデルを作成する 4
5.
教師あり機械学習 5 訓練データ 温度 湿度 年数
故障した か 50 60 70 N 40 50 50 N 10 20 30 N 50 90 90 Y ②訓練データを学習 clf.fit(trainX,Y) 説明変数 trainX 目的 変数 Y テストデータ 温度 湿度 年数 故障す る? 50 60 70 ?? 40 50 50 ?? ③予測結果を導く clf.predict(testX) 予測モデル 予測結果 教師アリ 温度 湿度 年数 故障する 確率? 50 60 70 90% 40 50 50 30% ①予測モデルの定義 clf = tree.DecisionTreeClassifier(…)
6.
ビジネスの理解 データの理解 データの準備 予測モデルの作 成 モデルの評価 展開と共有
7.
こんなデータがあります 7 説明変数 目的変数 定期預金を申し込むか申し込 まないのかを「予測」したい。 過去の経験から… Bank Marketing (with
social/economic context) (UCI Machine Learning Repository)
8.
とりあえず相関図を書いてみる。 8
9.
ビジネスの理解 データの理解 データの準備 予測モデルの作 成 モデルの評価 展開と共有
10.
Tableau Prepを使ってデータの準備 10 分布の確認 ユニオン?ジョイン? ピボット データ揺らぎの除 去 NULLデータの除 去
11.
ビジネスの理解 データの理解 データの準備 予測モデルの作 成 モデルの評価 展開と共有
12.
過去のデータから何らかのルールが見つけられるのでは?? 決定木 12
13.
ビジネスの理解 データの理解 データの準備 予測モデルの作 成 モデルの評価 展開と共有
14.
申し込み=Yの多い領域は? 14
15.
15 当っている 当っている 予測No 予測Yes 実際No 実際Yes 予測No 予測Yes 実際No 実際Yes 当っている 当っている
16.
作成したモデルを使って予測する 16
17.
① CSVまたはDBからの取り込み 機械学習連携方法 ? 2018
Tableau Software. All Rights Reserved ② 外部サービスとの連携 計算式として取得 Tabpy 温度 湿度 年数 故障? 50 60 70 Y 40 50 50 N 予測結果をバッチで 作成しTableauから 接続 予測結果をリアルタ イムで取得したい
18.
計算式からPython を呼び出して、結果を 所定の位置に表示す る 18 Tabpyって何ですか?
19.
? 一番簡単なTabpyサンプル →
足し算 外部連携を使いま すよ!返り値は REALですよ。 実行されるpython コード _arg に Tableau からの データが入る Tableau から代入 するメジャーを指 定 19 List型で Tableau に返 しますよ 表計算として 利用するので 集計になりま すよ。
20.
訓練データ 温度 湿度 年数
申込み 50 60 70 N 40 50 50 N 10 20 30 N 50 90 90 Y 説明変数 目的 変数 テストデータ 温度 湿度 年数 申込み 50 60 70 ?? 40 50 50 ?? ②予測の実施 予測モデル 予測結果 温度 湿度 年数 故障す る? 50 60 70 Y 40 50 50 N ①予測モデルの作成 説明変数 予測モデルを作成す るフェーズ
21.
訓練データ 温度 湿度 年数
申込み 50 60 70 N 40 50 50 N 10 20 30 N 50 90 90 Y 説明変数 目的 変数 テストデータ 温度 湿度 年数 申込み 50 60 70 ?? 40 50 50 ?? 予測モデル 予測結果 説明変数 ①予測モデルの作成 ②予測結果を得る 温度 湿度 年数 故障す る? 50 60 70 Y 40 50 50 N 予測モデルを利用し て実際に予測する フェーズ
22.
訓練データ テストデータ 温度 湿度 年数 50
60 70 40 50 50 デプロイ済み 予測モデル Tabpy Server 温度 湿度 年数 申込み 50 60 70 Y 40 50 50 N Tableau 予測結果 Tabpy Client事前に学習して あるモデルを利用 するだけ tabpy.query(‘def_x’ , …) def_x Tabpy Clientを利用した予測モデルの利用 事前に訓練デー タをもとに学習を しておく
23.
Tabpy Serverにモデルをデプロイする 23
24.
デプロイされたモデルをTableauから利用する 24
25.
予測ができれば???可視化ができる! 25 予測ができれば次のビ ジネスアクションに繫 げられる。 予測確率を 色で表現
26.
参考リンク 26 ブログ: Tableauから始めるデータサイエンス ? 決定木モデルを使った機械学習とデータマイニングプロセスを体 験しよう! ?
過去データから学習して置いたモデルをTabpy Clientから呼び出 して予測結果を可視化する ? Tabpy Clientを使ってあらかじめ定義した関数をTableauから呼 ぶ ? GitHub-Tabpy
Download