Passo a passo: Usando o Azure AutoML para Criar um Modelo de Regressão Linear
Este guia mostra como utilizar o Azure Machine Learning (AutoML) para criar um modelo de regressão linear com uma base de dados no formato .csv e salvar os resultados no repositório GitHub.
1. Prérequisitos
- Conta na Azure
- Workspace do Azure Machine Learning
- Python instalado (recomenda-se ambiente virtual)
- Extensão Azure Machine Learning instalada no VSCode (opcional)
- Base de dados .csv no seu repositório
2. Suba a base de dados para o Azure
- Faça login no portal Azure: https://portal.azure.com/
- Acesse o Workspace do Azure Machine Learning
- Vá em "Datasets" e clique em "Create dataset"
- Faça upload do seu arquivo .csv
3. Crie uma Experiência de AutoML
- No Azure ML Studio, clique em Automated ML.
- Clique em New automated ML run.
- Selecione o seu dataset .csv.
- Escolha o tipo de tarefa: Regressão
- Configure a coluna alvo (coluna com os dados que serão usados como input pelo modelo)
- Configure a coluna preditora (coluna com os dados que serão usados como target do modelo)
- Selecione os parâmetros padrão e clique em Run.
4. Aguarde a execução e escolha o melhor modelo
O Azure AutoML irá testar diferentes algoritmos e parâmetros. Ao final, ele irá mostrar o modelo com melhor performance, por exemplo, Linear Regression, Decision Tree etc.
5. Baixe os resultados
- Após o término da execução, vá em Best model.
- Clique em Download model para baixar o arquivo do modelo (.pkl ou .onnx).
- Baixe também o relatório de métricas (arquivo .csv ou .json).
6. Salve os resultados no GitHub
- Crie uma pasta 'outputs/' no seu repositório e salve nela o arquivo do modelo.
- Salve o relatório de métricas na pasta 'outputs/' (por exemplo, outputs/metricas_automl.csv).
- Faça o commit e push dos arquivos para o GitHub.
Exemplo de comandos para salvar os arquivos localmente e subir para o repositório:
bash
# Clone o repositório se necessário
git clone https://github.com/nome_usuario/modelo_regressao.git
cd modelo_regressao
# Crie a pasta outputs se não existir
mkdir -p outputs
# Copie os arquivos do modelo e das métricas para outputs/
cp /caminho/do/modelo/model.pkl outputs/
cp /caminho/do/relatorio/metricas.csv outputs/
# Adicione e faça commit dos arquivos
git add outputs/model.pkl outputs/metricas.csv
git commit -m "Adiciona modelo e métricas resultantes do AutoML da Azure"
git push
7. Divulgue os resultados
Por fim, atualize o README.md para incluir os resultados obtidos com o seu modelo. Dessa forma, poderá mostrar o que alcançou de forma resumida, incentivando a curiosidade das pessoas a explorarem o repositório com o seu modelo.
Compartilhe também o link do repositório com os arquivos salvos nas redes sociais e, se possível, escreve um pequeno artigo para publicar no LinkedIn e mostrar o que aprendeu ou exercitou durante a criação do modelo.
