根据更新的数据集自动重新训练分类模型

Retrain the classification model automatically based on updated data set

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一些调度活动。系统数据由 CPU 时间、堆使用情况和其他系统参数组成，而用户数据包含用户的活动会话和一些用户特定的数据。我们的实验运行良好，返回的结果与我们的预期非常相似，但我们正在努力解决以下问题：-

1) 我们的实验没有考虑更新数据来训练它的模型。

2) 每次我们都需要手动上传数据和重新训练模型。

我想知道是否真的可以使用某些 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查询。

现在，应该考虑使用这个更新的数据来定期自动训练模型。

如果有人能帮助我们解决这个问题就好了？

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

您需要使用 Azure 数据工厂重新训练 ML 模型。

您需要使用 ML 批量执行和 ML 更新资源活动创建管道，并调用您的 ML 模型，您需要在 web 服务上配置端点。

这里有一些链接可以帮助您：

第 1 步：使用 Azure ML Studio 创建 2 个 Web 服务（一个用于训练模型，一个用于预测模型）

步骤 2：使用 link 在 Azure ML Studio 上为每个 Web 服务管理端点

通过 Web 服务创建端点

第 3 步：在 Azure 数据工厂上创建 2 个新连接/找到 Azure ML（在计算选项卡上）并复制端点密钥和 API 您将在端点配置的“使用”选项卡下找到的密钥（您在步骤 2) 中创建的那个端点密钥 = 批处理请求密钥和 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）

第 4 步：创建包含 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

使用启用更新资源的连接为 ML 更新资源设置 AML 链接服务

第 5 步：设置 Web 服务输入和输出