初試微軟Azure Machine Learning：建立簡易CAD/CNY匯率預測模型

Machine Learning:

Machine learning is programming computers to optimize a performance criterion using example data or past experience. (Alpaydin, 2004)

CAD/CNY匯率預測模型——實現步驟

1. 收集整理樣本
2. 設計試驗邏輯鏈
3. 設計預測試驗邏輯鏈
4. 運行&誤差評估
5. 部署Web服務，獲取API
6. 生成Excel插件、網站等

初次試驗，非計算機或統計專業，若有錯誤歡迎指正！

創建一個實驗

打開 https://studio.azureml.net 使用自己的微軟賬號登錄。

https://ysoup.org/wp-content/uploads/2017/01/ml1.png

這就是Azure ML Studio的基本界面。

點擊左下角的New，選擇新建一個Blank Experiment。

出現可視化編程的界面，在左側你可以選擇各種分析演算法或操作流程，以拖拽方式拖到中間的舞台。右側可以調整你所選演算法的配置。

準備樣本數據

在本文中，我們通過以下的數據列，來預測CAD/CNY的匯率。

• Global Price Of WTI Crude
• Canada Gross Domestic Product
• U.S. Real Gross Domestic Product
• U.S. Real Interest Rate
• Canada CPI All Items
• Canada CPI All Items Excluding Food And Energy
• Canada Total Retail Trade
• Canada Harmonized Unemployment Rate (All Person)
• Canada Production Of Total Industry
• Canada Real Interest Rate
• China Constant Price GDP Growth
• China Current Price GDP
• China CPI All Items
• China Real Interest Rate

選取數據跨度為1980年至2017年，共7055個數據組。

在Excel中用vlookup或其他方法將數據整理好，存為csv逗號分隔文件。首行必須為該列的數據名稱。

樣本導入

讓我們回到ML Studio，選擇Dataset界面，點擊左下角的New導入剛才整理好的csv文件。

設計邏輯鏈

然後回到剛才我們創建的Experiment。

基本思路：

1. 拉取csv文件數據
2. 選擇你需要用到的數據列
3. 刪除空值數據
4. 分配machine learning的數據比例
5. 選擇linear regression演算法
6. 選擇你要預測的數據列，這裡為CAD_CNY匯率
7. 機器學習階段
8. 將預測所得的CAD匯率與實際匯率比對
9. 評估預測結果的accuracy, precision等

按照下圖排列邏輯鏈：

參數調整：

點擊Select Columns in Dataset，在右側邊欄中，點擊Launch column selector，以by name方式選擇所有列。

Split data中，選擇80%的數據用於機器學習，並鍵入隨機數作為seed。

在train module中同樣運行Launch column selector，以with rules方式include CAD_CNY（需要預測的列）。

運行

準備就緒後，點擊下面的RUN，開始運行。

如果設置正確，在相應模塊右邊會有勾勾，如果有錯誤，則顯示紅色符號，點進去可以看到問題出在哪。

評估

點擊Score model下面的Visualize，比對CAD預測與真實值。把表格拉到最右邊，Scored Labels則為預測出的結果。

點擊Evaluation model下面的Visualize，查看預測評估。

建立Web服務

在Predictive experiment中，將web input & output 置於score model前後。

由於需要輸入除了CAD_CNY之外的數據，則應在input之後建立一個select column的過濾，規則為exclude CAD_CNY。同樣在output之前也設立一個過濾，選擇出需要顯示的數據：include CAD_CNY。

完成後，點擊下方Deploy web service。找到自己生成的web服務：

點Test，測試輸入數據。

假設輸入的數據都為0，如果程序正常，則會輸出：

CAD-CNY Prediction [Predictive Exp.] test returned ["0","0","0","0","0","0","0","0","0","0","0","0","0","0","-7.35927366100814"]...

生成Excel

點擊APP中的Excel生成，可以在Excel文件中調取雲端的學習模塊，輸入輸出數據。載入項僅能在Windows的Office上運行。

Web App API

如果你要做一個網站，並調取ML模塊，應該怎麼做呢？Azure的New Web Services Experience給了我們這樣的選擇。點擊New Web Services Experience，選擇Consume，Create Web App，會自動跳轉到新建Azure雲服務的界面。或者通過該網址進入：https://azure.microsoft.com/zh-cn/marketplace/partners/microsoft/azuremlaspnettemplateforrrs/

如果你不想用Azure，當然也可以用其他的支持aspx語言的空間，在Github找到該開源模板。

在剛才ML Studio的網路服務界面，點擊REQUEST/RESPONSE，可以看到連接API的說明文檔，包括POST URL、APIKEY等。

以下是我生成的Web App（http://cadpredictor.azurewebsites.net/），用戶可以調整各參數後提交，預測在此情況下的匯率。