根据更新的数据集自动重新分类模型

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某些调度活动。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一些用户特定数据。我们的实验工作正常，结果与我们期望的结果非常相似，但我们正在努力解决以下问题： -

1）我们的实验没有考虑用于训练其模型的更新数据。

2）每次我们都需要上传数据并手动重新训练模型。

我想知道是否真的可以使用一些Web服务或使用Azure DB将实时数据输入到azure实验中。我们正在尝试更新我们在Azure存储中创建的CSV文件中的数据。这可能会解决我们的第一个问题。

现在，应考虑更新此数据以定期自动训练模型。

如果有人可以帮助我们，那会很棒吗？

注意：我们使用我们的模型使用在Azure studio的帮助下创建的Web服务。

0
投票

步骤1：使用Azure ML Studio创建2个Web服务（一个用于培训模型，另一个用于预测模型）

步骤2：通过Web服务创建端点，并在Azure ML Studio上为每个Web服务提供管理端点

步骤3：在Azure数据工厂/查找Azure ML（在计算选项卡上）上创建2个新连接，并复制您将在端点配置中的“使用”选项卡下找到的端点密钥和API密钥（您在步骤2中创建的那个）端点密钥=批量请求密钥和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=补丁密钥）

步骤4：创建具有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

使用具有“启用更新资源”的连接为ML更新资源设置AML链接服务

步骤5：设置Web服务输入和输出

0
投票

您需要使用Azure Data Factory重新训练ML模型。

您需要使用ML Batch Execution和ML Update Resource活动创建管道，并调用您需要在Web服务上配置端点的ML模型。

以下是一些可以帮助您的链接：