今年早些時候，微軟在Power BI中引入了自動機器學習(AutoML)作為公開預覽。現在，Power BI中的AutoML通常可用于Power BI Premium和Embedded可用的所有公共云區域。

在Power BI中使用AutoML，在機器學習方面沒有豐富背景的業務分析師可以構建ML模型來解決曾經需要數據科學家的業務問題。ML模型創建背后的大多數數據科學都是由Power BI自動化的，同時提供全面的見解，使您可以直觀地了解用于創建ML模型的過程。因為AutoML針對的分析師可能沒有構建ML模型的經驗，所以開發團隊在添加自動防護方面進行了大量投資，比如類平衡、訓練測試數據分割、交叉驗證、缺失值估算和高基數特征檢測，以確保生成的模型具有良好的質量。

點擊下載Power BI Desktop正式版

荷蘭提供全方位服務的數字公司Macaw在Power BI中部署了自動機器學習，以快速獲取銷售數據，并在Power BI中直接培訓、驗證和調用機器學習模型。Macaw的首席數據和人工智能顧問戴夫?瑞吉特(Dave Ruijter)分享道:“Power BI內部的自動化功能幫助我們衡量如何將解決方案與AI功能融合在一起。”現在，Macaw Power BI分析師可以將機器學習納入他們的解決方案中，而無需數據科學家的參與。他們的客戶之一、Shoeby的合伙人兼首席信息官米奇?范?德森(Mitch van Deursen)表示:“通常情況下，建模需要幾個月的時間，而現在我們能在5天內得到關鍵業務問題的答案。”

隨著公共預覽版的發布，AutoML in Power BI允許用戶：

• 訓練機器學習模型以執行二進制預測，一般分類和回歸

• 查看模型訓練報告

• 將ML模型應用于他們的數據，并查看預測和解釋

開發團隊一直在改進并在Power BI中為AutoML添加新功能。

非布爾結果的二進制預測支持

早些時候，AutoML期望二進制預測模型的結果字段為布爾值。現在，開發團隊在結果字段中也支持非布爾值。在向導中，您可以直接選擇最感興趣的目標結果，從而節省了將其轉換為布爾值的預處理步驟。

改進功能推薦

開發團隊改進了統計方法，這些統計方法建議了可用于訓練ML模型的輸入字段。現在，Auto ML將分析所選實體的樣本、推薦字段，并顯示不建議使用字段的原因。如果某個字段具有太多不同的值或只有一個值，或與輸出字段的相關性較低或較高，則不建議使用此方法。

點擊下載Power BI Pro正式版

控制訓練時間

現在，AutoML允許您控制訓練模型的時間。

您可以選擇減少培訓時間來查看快速結果，或者增加用于培訓的時間來獲得最佳模型。前者在構建POC或確保選擇了正確的字段時非常有用。

改進的培訓報告

培訓報告已經改進，使其更具可讀性。此外，現在生成報告的速度快了兩倍。

二元預測報告現在包括一個成本效益分析工具。給定目標的估計單位成本和實現目標結果的單位收益，它可以幫助您應該以產生最高利潤為目標的人群子集。

可解釋的AI

AutoML強調預測的可解釋性，以提供對最重要字段的可見性。它提供了訓練過程中的最佳預測變量，以及對ML模型在評分過程中產生的每個預測的解釋。

改進了“最佳預測變量”部分，以顯示可理解的功能細分，因此您可以輕松地驗證模型是否與您對結果字段的業務洞察力保持一致。 在下面的房價預測示例中，“ sqft_living”（右側）的功能細分圖表顯示，較高的“ sqft_living”值具有較高的房價。

除此之外，開發團隊還增加了對頂級預測變量中文本功能的支持。

現在，將對預測的解釋作為一個單獨的實體出現，以使其易于訪問和閱讀。為了使模型預測可解釋，我們顯示了每個特征對預測的貢獻，這些貢獻加起來等于預測值。

在下面的房價預測示例中，您可以看到一些功能具有正面影響（綠色），而其他功能則具有負面影響（紅色）。 將這些貢獻加到基值（在這種情況下，訓練數據中房屋價格的平均值）中，得出的預測房屋價格為379,738美元，從而使您可以輕松地解釋這些模型預測。

使用這個解釋實體，不久將提供自動生成的解釋報告，您可以快速構建解釋模型預測的報告。

開始構建自己的ML模型

這篇教程，展示了如何使用Auto ML構建您的機器學習模型。趕緊下載Power BI Desktop、Power BI Pro體驗自動機器學習功能，構建自己的ML模型吧！

*想要獲得Power BI Desktop、Power BI Pro更多資源或正版授權的朋友，可以咨詢了解哦~