视频观看

Oracle新近推出了基于web的自动机器学习用户界面（以下简称OML  AutoML UI），使数据库DBA和数据科学家能够轻松地构建和部署机器学习模型。OML AutoML UI  是Oracle自治数据库机器学习的新组件，它提供了一个基于浏览器的界面，可实现机器学习建模过程自动化，并简化为只需点击几下鼠标即可部署模型。

OML AutoML UI 能够帮助更广泛的用户使用机器学习，例如有些用户，他们知道机器学习和算法的基本知识，以及一些场景和数据的应用，但对特定的算法的详细信息，建模过程和改进模型过程并不熟悉，代码编程让他们对机器学习望而却步。

OML  AutoML UI  作为无代码建模加速器，为数据库DBA和数据分析人员提供了显著的生产力改进，允许自动化产生初始模型，并且让特定的超参数继续调整，生成符合要求的模型，用户也可以图形化操作自动生成NoteBook中的OML4Py  代码，再提供给更为专业的数据科学家通过手工编码进行改进。（如果资深数据科学家可能更喜欢编写代码，可以使用Oracle提供的 OML4Py  或Data Science Service中AutoML 功能。）

使用 OML AutoML UI，用户创建实验，使机器学习建模过程无代码和自动化，特别是简化其中耗时和重复的活动：

• 选择能够最好地处理所提供数据的算法

• 为模型确定正确的数据样本

• 识别数据中的哪些属性（或预测列）提供最多的驱动并最大限度地降低噪音数据影响

• 构建、调整、评估和选择模型。

使用OML  AutoML  UI可以大大简化整个机器学习的过程，用户只需要定义业务问题，准备数据（在ADW中生成表或视图），然后指定数据表和想要预测的目标，OML  AutoML UI会完成其他工作，最终生成多个模型供用户考虑，用户可以选择其中某个或几个，简单配置即可发布为REST API。

当然，用户也可以直接通过数据库中的 SQL 查询使用这些模型，也可以通过Oracle分析云或Oracle APEX调用使用。

对于协作，用户可以共享AutoML实验给其他用户，并可以设置查看者、开发人员和经理角色的权限。

下面我们就结合实战来介绍一下OML AutoML UI如何加速机器学习模型生成和使用。这个场景使用的是车企客户销售历史数据，企业期望通过机器学习，能够对哪些客户倾向于购买哪类车型进行预测，从而更好指导针对新客户的广告投放和营销活动。

读者需要对Oracle ADW，ADW的Machine Learning Web界面，机器学习基本知识，SQL有一些了解。相关文档可参照《浅谈Oracle自治数据仓库云中的机器学习》

1、创建和配置AutoML实验

访问ADW提供的基于web的Machine Learning图形化界面，在首页中，可以看到快速操作中增加了AutoML图标，通过点击autoML图标，打开AutoML界面。

点击“创建”按钮，创建一个AutoML实验。

在弹出的AutoML实验创建界面，输入实验名称，例如“CAR客户购买预测”，点击数据源旁边的图标，选择数据源。

数据源界面中左边显示的是ADW数据库的Schema，选择特定Schema，右边显示Schema下所有表，可以通过下方输入框输入表名前面字符过滤，在这个例子中，我们选择的是TBL_CUST_CAR表，这个表中存储的是客户购买车型的历史信息。

选了数据源以后，我们需要配置机器学习建模需要的一些基础信息，在“预测”下面的列表中显示的是表TBL_CUST_CAR的所有字段，从中我们要选择学习的目标字段，也就是我们要建立模型针对哪一列的取值可能性进行预测，在这个例子中，我们期望建模预测新客户可能购买的车型，所以“预测”中选择已有客户的购买车型信息cartype_buy，在“案例   ID”中选择数据的唯一标识（也可以不选），这个表中是CUSTID，因为购买的车型不是连续的数值，所以“预测类型”中选择“分类”，如果是连续的数值，例如销量，金额等，最好选择“回归”，设置完基本参数以后，可以点击右上角“保存”按钮保存：

点击“特性”部分，可以显示数据源表的所有列，我们可以从中选取哪些列作为学习的输入参数，有时候不是表中的所有列都适合作为参数学习建模，例如有些和结果关系不大，比如姓名，或者和结果强相关，例如购买金额（这个是购买车型造成的结果）

点击“其他设置”部分，是有关建模的一些参数，例如希望自动化选取几个模型，自动化运行的最长时间，数据库服务级别，模型度量（可以有多个度量，我们在这里选择准确度），相关的算法等等。我们可以对最大数量，运行时间做一些调整。

2、运行AutoML实验和浏览结果

配置完以后，点击右上角“启动”按钮，可以选择“更快获得结果”还是“提高准确率”(这种方式耗时会更久一些)，我们在这里选择“更快获得结果”，启动后会等待一会初始化，然后会弹出AutoML执行进度弹窗，可以把它拖到合适的位置，观察执行进度情况。

可以看到进度分为“算法选择”，“自适应采用”，“特性选择”，“模型优化”，“特性预测影响”几个步骤，随着执行情况，弹窗内容会更新，能够看到执行到了哪个步骤。如下界面显示已经到了“模型优化”阶段，左边准确率进度会显示选择了哪几种算法，每个算法的准确率情况如何。

当弹窗中所有项目后面图标变成对号，右上角“正在运行”变成“已完成”时，说明已经运行完毕，可以看到系统按照配置，自动选择了三种算法，生成了三个模型，模型名称是算法加上随机数格式，同时显示了每种模型的准确度，在这个例子中，单纯贝叶斯算法生成的模型准确度最好，可以点开“特性”部分，看到选择的表中各列对模型预测的影响，如下图所示，在这个例子中，年龄，可贷款的最大额度，孩子数量是影响购买车型的前三个主要因素。

我们关闭弹窗，点击列表中某个算法，通过链接弹出窗口，可以浏览具体算法的预测影响和混淆矩阵。同时可以选择某个算法行，点击列表上方，对结果进行操作：

度量：在准确率之外，把更多算法相关的度量指标显示出来

部署：把特定算法部署发布，可以通过REST API传递参数调用进行预测

创建记事本：把算法过程创建成NoteBook的Python代码，后面可以请资深数据科学家改进完善。

3、使用AutoML结果

我们可以通过在SQL中直接调用生成的模型，进行批量或者单个新客户购买可能性进行预测，如下示例对单个客户实时进行购买车型的预测。

在左上方下拉菜单中选择“主页”，在主页界面中，点击“快速操作”下方的“便签簿”图标，打开临时的NoteBook，可以使用如下SQL语句调用生成的模型，预测购买车型2的可能性，其中nb_7cccbad51a就是前面自动生成模型名称，后面是某个新的用户的具体信息，需要输入哪些参数可以通过前面的模型详细信息中字段列表获得：

SELECT ROUND(PREDICTION_PROBABILITY(nb_7cccbad51a, '车型2' USING42 as age,1 as car_amount,2 AS    childamount, '已婚' as marriage,'男' AS     gender, 1000000 AS    creditcard_max),3) 购买可能性  FROM DUAL;

通过上面图中几个部分能够看到，对于中年男性，孩子多，已有一辆车，有一定贷款能力，则购买车型2的可能性会很大；而对于单身年轻女性，不希望贷款，则购买车型2的可能性很少，购买车型1的可能性相对比较高。这样就可以通过预测结果，指导针对不同的新客户群体进行精准推荐。

除此之外，我们可以浏览一下前面自动生成的结果。通过左上角菜单，选择“模型”，打开生成的模型界面，可以看到刚才自动化生成的模型：

点击“部署”可以看到刚才自动化生成的模型部署，点击后面URI下方的链接，能够浏览该模型的API具体调用信息（这部分REST API的调用，后面我们会在Oracle Machine Learning Service中详细介绍）：

通过左上方下拉菜单，打开Notebook界面，能够看到刚才自动生成的NoteBook，点击打开NoteBook，可以看到是几段自动生成的Python代码，专业数据科学家可以在其中修改Python代码对该模型进行优化改进。

总结一下，OML AutoML UI可以作为整体企业机器学习运维（MLOps）战略的关键要素，其丰富的功能包括：

• 强大且易于使用的用户界面，用于机器学习建模

• 关键建模步骤的自动化

• 只需点击几下即可将模型部署为REST API方式

• 数据科学家生产力工具

• 将数据库内机器学习能力赋予非专家数据分析人员

• 最小的所需的用户输入：准备好数据表和确定目标列

• 实验自动化执行进度监测

• 具有丰富质量指标的模型排行榜

• 使用 OML4Py API 自动化生成选择的模型的NoteBook

还等待什么，立刻申请Oracle云服务免费账号，启动您的自动化机器学习奇幻之旅吧。

编辑：殷海英