我们在Azure ML Studio中创建了一个实验,以根据系统数据和用户数据预测一些计划活动。系统数据由CPU时间,堆使用率和其他系统参数组成,而用户数据具有用户的活动会话和某些特定于用户的数据。 我们的实验运行良好,返回的结果与我们期望的结果非常相似,但是我们在以下方面苦苦挣扎:-
1)我们的实验没有考虑使用更新的数据来训练其模型。
2)每次需要我们上传数据并手动重新训练模型时。
我想知道是否真的有可能使用某些Web服务或使用Azure DB将实时数据输入到Azure实验中。我们正在尝试更新在Azure存储中创建的CSV文件中的数据。那可能会解决我们的第一个查询。
现在,应该考虑使用此更新的数据来定期自动训练模型。
如果有人可以帮助我们,那就太好了吗
注意:我们正在使用在Azure Studio的帮助下创建的Web服务来使用我们的模型。
答案 0 :(得分:1)
您需要使用Azure数据工厂来重新训练ML模型。
您需要使用ML批处理执行和ML更新资源活动创建管道,并且要调用ML模型,需要在Web服务上配置端点。
以下是一些可以帮助您的链接:
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
答案 1 :(得分:0)
第1步: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)
第2步:通过Web服务创建链接,并在Azure ML Studio上为每个Web服务链接“管理端点”
第3步:在Azure Data Factory上创建2个新连接/在计算选项卡上找到Azure ML,并复制在终结点配置的“消费”选项卡下将找到的终结点密钥和API密钥(您在步骤2)端点密钥=批处理请求密钥和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:创建包含2个活动的管道(ML批处理执行和ML更新资源) 使用已禁用更新资源的连接,为ML批处理执行设置AML链接服务
通过具有启用更新资源的连接为ML更新资源设置AML链接服务
第5步:设置Web服务的输入和输出