为什么我在 Azure ML 设计器中看不到训练模型结果？

问题描述

我从我运行的棋盘游戏模拟器的 1000 个会话中创建了数据。我试图找出获胜策略是什么，并跟踪了数据中的几个特征。

我将结果加载到 Azure 机器学习图表中，并将数据集连接到使用线性回归的模型。

我单击“训练模型”并转到“查看输出”。单击随后的链接后，我似乎能够找到 9 个文件。我没有看到任何类似“第 9 列是第 1 列的最佳预测因子”或类似内容的内容。

相反，我看到了一个 iLearner 文件，里面有很多我无法阅读的二进制文件。我看到一个架构文件。还有很多关于运行它的 conda 版本以及数据类型和内容的元文件。

我如何查看哪些特征最能说明我指出的标签？

编辑：

按照建议，我添加了评分模型和评估模型。

我确实在评估结果中看到了一些错误指标 -> 可视化。

训练模型有一个视图输出和一个视图日志，但对我来说没有可视化。当我转到“查看输出”时，有很多文件，例如 convert_to_dataset.yaml 和 boosted_decision_tree_regression.yaml。还有一个名为训练模型的目录，其中包含名称为 data_type.json 和 score.py 的文件。似乎都是元数据，而不是“第 1 列最佳预测 X ...”。

我仍然没有看到任何可以最好地预测结果的信息。

解决方法

您需要添加 Score Model 来测试模型，通过使用测试数据集进行预测（这很重要！）。看起来 Azure 也不允许您跳过它。 您必须将数据和模型连接到“树”的那部分，右键单击并运行它。然后您需要添加 Evaluate Model，右键单击并运行它。然后你可以去View Output -> Evaluation Results -> Visualize。

Evaluate Results 功能提供了一些不同的错误参数和R²。 （决定系数 = 解释方差 = R²）。您可以在此处阅读有关指标的信息：https://docs.microsoft.com/en-us/azure/machine-learning/algorithm-module-reference/evaluate-model#metrics-for-regression-models

预测变量的截距 = 系数估计值 = 通过转到Train Model 并右键单击 Trained Model -> Visualize 找到 β 系数。

我刚刚在搜索栏中输入了“分数”，Score Model 和 Evaluate Model 都出现了。