AI從頭學（二二）：Azure Machine Learning - Clustering
2017/04/24
前言：
本文跟 ML（AI的一支）、Azure、Python 有關，將同步發表在 FB 相關社群。
-----
Summary：
Machine Learning (ML) 基本上屬於 AI 的一支 [1]。本文主要試圖透過 Python 使用 Azure 的 ML 服務 [2], [3]。本次將介紹 Clustering 的 k-means algorithm [4], [5]。
-----
Outline：
1: Introduction to Data Science
2: Introducing Microsoft Azure Machine Learning
3: Data Preparation
5: Integration with Python
6: Introduction to Statistical and Machine Learning Algorithms
- Clustering Algorithms
-----
在進入主題之前，我們先介紹 [2] 這本書的架構，參考圖1.1。
前面兩章是簡介。第三章是資料預處理，這一章雖然沒有圖，但很重要。第四章是與 R 的連接，雖然重要，但後續有用到時才會介紹。第五章是透過
Python 使用 Azure 的 ML 服務，這是本次的重點之一。在第六章有各種 ML 演算法，都很重要，本次介紹 Clustering 的
k-means algorithm。
另外第十二章是 recommendation systems，由於這個工作上也有需求，將會在下次專文介紹。
Fig. 1.1. Azure Machine Learning [2].
-----
在進入主題之前，我們還是先簡單介紹一下 ML 的流程，參考圖1.2。首先資料會預處理，然後分成兩群，一群用來訓練 Model，當 Model 訓練完畢，另外一群用來測試。最後評估 Model 是否合用。圖1.3 用到 R，請自行參考。
資料預處理，也可以在跑完後重新做。參考圖2.1，當我們把 dayWeek 這一項移除後，整體的解析（相關度的呈現），就提高了，參考圖2.2。
Fig. 1.2. A generalized model training workflow for Azure ML models, p. 5 [3].
Fig. 1.3. Workflow for an R model in Azure ML, p. 7 [3].
Fig. 2.1. Plot of correlation matrix, p. 16 [3].
Fig. 2.2. Plot of correlation matrix without dayWeek variable, p. 16 [3].
-----
1: Introduction to Data Science
首先定義資料科學，參考圖3.1。廣義的資料科學可包括數學、信號處理、機器學習、科學計算、統計學、作業研究、程式、資料庫、以及語言學。
資料分析可分為四個層次，參考圖3.2。第一是描述，第二是診斷，第三是預測、第四是規範。
描述的話，以分群演算法為例，它將資料自動分成幾群。
診斷的部分先跳過。
預測是重點，這裡有幾個演算法：線性迴歸、邏輯迴歸、神經網路、支持向量機，都是用來預測的。
最後是規範，這裡舉出的例子是 Monte Carlo，這個方法，AlphaGo 也有用到 [6]。
圖3.3舉出一個企業應用的實例。分別用 Churn Model、Segmentation Model、以及 Propensity Model 來幫助企業找出有問題的客戶跟高價值的客戶。這本分別在第九章、第十章、第七章 [2]，未來有機會將會一一介紹。
圖3.4是資料科學的循環圖，大體上就是圖1.2不斷循環。
Fig. 3.1. Highlighting the main academic disciplines that constitute data science, p. 4 [2].
Fig. 3.2. Spectrum of all data analysis, p. 5 [2].
Fig. 3.3. A smart telco using prescriptive analytics, p. 6 [2].
Fig. 3.4. Overview of the data science process, p. 13 [2].
-----
2: Introducing Microsoft Azure Machine Learning
在進入 Azure 之前，我們先來看一下 ML，以 Clustering 為範例，分群後配合特徵，這裡是年齡跟玩 game 的強度，則可界定潛在的消費者或客戶，參考圖4.1。
Azure 對於 ML，有提供圖像化的服務，能把圖1.2的演算法，在螢幕上實現，參考圖4.2。訓練好的模型，可以存起來，參考圖4.3，也可以發佈，參考圖4.4。
Fig. 4.1. Simple hypothetical customer segments from a clustering algorithm, p. 15 [2].
Fig. 4.2. Regression Model experiment, p. 37 [2].
Fig. 4.3. The experiment that uses the saved training model, p. 39 [2].
Fig. 4.4. A dialog box that promotes the machine learning model from the staging server to a live production web service, p. 40 [2].
-----
3: Data Preparation
資料預處理很重要，而且一定會遇到，這裡簡單舉幾個例子：
1. 資料不見了。
2. 資料的值是空的。
3. 有重複的資料。
4. Outliers （跟大部分資料值差距太大的）。
5. 正規化。書中舉出幾個方法可以使用：Zscore、MinMax、Logistic、LogNormal、Tanh。也許這個觀念一時不容易，但這個老師調分數就可以活用了！
-----
5: Integration with Python
要達到客製化的需求，最好還是自己 coding。
圖5.1a是用 Python 存取一個 Azure 上的資料檔，並將其值呈現在螢幕上，圖5.1b則是透過 numpy 與 matplotlib 將資料圖像化。
圖5.2是一個完整的 Python 程式，可以存取兩個資料檔，並對其運算。參考圖5.3。
Fig. 5.1a. Viewing the content of the dataframe, p. 114 [2].
Fig. 5.1b. Using the pandas dataframe plot method, p. 115 [2].
Fig. 5.2a. Complete Python Code for the Experiment, p. 125 [2].
Fig. 5.2b. Complete Python Code for the Experiment, p. 126 [2].
Fig. 5.3. Using the Execute Python Script, p. 128 [2].
-----
6: Introduction to Statistical and Machine Learning Algorithms
- Clustering Algorithms
本節講解 Clustering 的 k-means algorithm。
以圖6.1a為例，這裡有三群，但是如何寫程式將這三群分開來呢？
1. 如果要分成三群，首先要指定三個群的中心，這個中心可以是隨機指定。
2. 第二個步驟，計算每個點到這三個中心的距離，距離最短者，則屬於這個中心這一群。
3. 群分好了，接下來重新計算這三個群的中心。
4. 重複步驟2跟3。一直到最後，或者誤差很小。
可以參考圖6.1b、6.3a、6.3b的演算法。
Fig. 6.1a. Dataset for k-means clustering, p. 147 [2].
Fig. 6.1b. Iterations of the k-means clustering algorithm with k=3 in which the cluster centroids are moving to minimize error, p. 147 [2].
Fig. 6.2. The k-means clustering algorithm, p. 335 [4].
Fig. 6.3a. The k-means clustering algorithm, p. 313 [5].
Fig. 6.3b. within-cluster sum of squared errors (SSE), p. 314 [5].
Fig. 6.3c. KMeans class from scikit-learn's cluster module, p. 314 [5].
-----
Clonclusion：
所以，在 Azure 上跑 ML 沒有很難吧！：）
-----
References
[1] AI從頭學（二一）：A Glance at Deep Reinforcement Learning
http://hemingwang.blogspot.tw/2017/04/aia-glance-at-deep-reinforcement.html
[2] 2015_Predictive analytics with Microsoft azure machine learning, build and deploy actionable solutions in minutes
[3] 2015_Data Science in the Cloud with Microsoft Azure Machine Learning and R
[4] 2016_Practical Machine Learning
[5] 2015_Python Machine Learning
[6] AI從頭學（一一）：A Glance at Deep Learning
http://hemingwang.blogspot.tw/2017/02/aia-glance-at-deep-learning.html
No comments:
Post a Comment