編輯導語：當下，各行各業(yè)都在尋找可以降本增效的效率途徑，AI人工智能、機器學習等概念也被廣泛應用至業(yè)務中；而亞馬遜云科技推出的0代碼機器學習智能工具——Amazon SageMaker Canvas，就是一款可以應用于數(shù)據(jù)分析業(yè)務中的工具。本文作者就對這款工具做了體驗測評，一起來看。

隨著人工智能技術(shù)的發(fā)展和普及，人們對機器學習和數(shù)據(jù)分析的需求一直居高不下。幾乎沒有哪個行業(yè)在交易中不涉及機器學習。

在這一背景下，與許多大型科技公司一樣，亞馬遜云科技也推出了一款無低代碼機器學習平臺——Amazon SageMaker Canvas，今天就讓我們來試用一下吧。

一、測評說明

• 測評人：剛畢業(yè)一年的B端產(chǎn)品經(jīng)理，碩士畢業(yè)，計算機專業(yè)，機器學習方向；
• 測評對象：Amazon SageMaker Canvas（一款低代碼機器學習平臺）；
• 測評目的：對產(chǎn)品的可操作性（用起來方不方便）、預測準確性（好不好用）進行測評。

二、使用體驗測評

1. 對沒有機器學習知識的人友好

作為一個有機器學習專業(yè)知識背景的新用戶，我從最初的賬號注冊，到最終使用SageMaker Canvas構(gòu)建模型，花費了不過半天時間，非但不用在本地電腦裝各種軟件、各種庫、各種包，還省去了幾百行的機器學習代碼，整個過程無需編碼即可構(gòu)建機器學習模型，完成對本地數(shù)據(jù)的預測分析。

對比過去和現(xiàn)在，如果你想使用機器學習算法對手頭上的數(shù)據(jù)進行分類、預測：

表1 過去 VS. 現(xiàn)在

2. 界面風格簡潔

以產(chǎn)品經(jīng)理的視角看，Amazon SageMaker Canvas每個頁面的排版樣式、控件設計及交互效果都非常的通俗易懂。

例如，登錄Amazon SageMaker Canvas的工作臺后，能在其中查看該賬戶下所有已創(chuàng)建模型和已導入的數(shù)據(jù)集。其中，模型列表支持兩種展現(xiàn)形式：卡片列表和表格列表。

我個人比較喜歡卡片列表，因為卡片列表相比于表格列表，樣式要活潑很多，能讓頁面顯得不那么死板和單調(diào)。接著進入一個模型之后，會看到選擇數(shù)據(jù)>>模型構(gòu)建>>模型分析>>模型預測這四個步驟，這能指引用戶更便捷地完成模型構(gòu)建工作。

圖1 模型列表—卡片式

圖2 訓練模型的步驟

三、功能測評

低代碼作為一種技術(shù)手段，自然有它獨特的優(yōu)勢，可低代碼機器學習平臺的預測準確性相較于常規(guī)的python編程語言會有所下降嗎？

下文將從分類、預測兩大類場景使用Amazon SageMaker Canvas構(gòu)建模型，并將Amazon SageMaker Canvas構(gòu)建的模型準確度與python編程語言得出的結(jié)果進行對比分析。

1. 分類問題

1）數(shù)據(jù)集

我們一般接觸到的分類問題大多屬于二分類問題，非此即彼。乳腺癌分類問題就是機器學習中一個經(jīng)典的二分類問題，建立乳腺癌風險評估模型，預測乳腺癌發(fā)生概率，對乳腺癌的防治具有重要意義。

本文使用的數(shù)據(jù)據(jù)集來自美國威斯康星州公開的乳腺癌診斷數(shù)據(jù)集，醫(yī)療人員采集了患者乳腺腫塊經(jīng)過細針穿刺后的數(shù)字化圖像，并從這些數(shù)字圖像中提取了32個特征，用這些特征描述圖像中的細胞核呈現(xiàn)。

數(shù)據(jù)集共569行，每行數(shù)據(jù)具有32個特征，第一行是id，第行為diagnosis診斷類型（良性/惡性），第3-32個特征其實只包含了十個屬性，只是每個屬性都從3個維度：平均、標準差、最大值去分析，所以總共有30個特征。

表2 乳腺癌數(shù)據(jù)集說明

2）對比分析

使用Amazon SageMaker Canvas實現(xiàn)乳腺癌分類的步驟如下：

① 登錄Amazon SageMaker Canvas。

② 數(shù)據(jù)準備：導入本地數(shù)據(jù)到Amazon SageMaker Canvas。

③ 構(gòu)建模型，選擇數(shù)據(jù)集中的某一列作為讓模型去預測的目標列，此時SageMaker Canvas會根據(jù)該列的值，自動識別該問題是分類問題還是預測問題。在我導入乳腺癌數(shù)據(jù)集，選擇了“diagnosis”列作為目標列后，Amazon SageMaker Canvas判斷其為二分類問題。的確，該列只有兩種值：B表示乳腺癌良性，M表示乳腺癌惡性。

除此之外，SageMaker Canvas會自動對上傳的數(shù)據(jù)集進行預處理，例如，使用數(shù)據(jù)集中毗鄰的值來推斷缺失值，且能提供數(shù)據(jù)集中每列的數(shù)據(jù)是如何分布的，這極大省去了在使用python進行分類時的特征預處理以及特征選擇的工作。

圖3 使用python進行特征預處理

接著點擊構(gòu)建或預覽模型，SageMaker Canvas會從自身封裝的眾多模型中為你推薦最合適的一個，并將特征按照重要程度排名，你可據(jù)此看出哪些特征對機器學習模型影響最大，去掉不重要的特征，點擊更新模型，待到模型準確率無明顯變化后便可不再調(diào)整。

圖4 特征重要程度排名

講到這里，大家肯定想印證一下，用python編程語言篩選出的特征和Amazon SageMaker Canvas給出的特征排名，二者之間有沒有偏差，或者說有多少是吻合的？下面就為大家揭秘。

如下圖所示，左側(cè)是Amazon SageMaker Canvas得出的排名，右側(cè)是python得出的特征相關(guān)性熱力圖，據(jù)此熱力圖選取相關(guān)性特征值維度值較大的特征。

表3 SageMaker Canvas Vs. Python

能夠識別患者是否罹患乳腺癌的分類器訓練完了，那么如何評判這個分類器的優(yōu)劣呢？

傳統(tǒng)的評估分類器性能的方法是使用混淆矩陣來描述數(shù)據(jù)集的真實標簽和模型預測標簽之間的差異。此外，基于混淆矩陣，還可以計算出各種指標來比較分類器的性能，如F1-Score、準確率（Accuracy）、精確率（Precision）、召回率（Recall）、AUC值。

如下表所示，針對以上指標，對比二者的結(jié)果。通過比較，使用Amazon SageMaker Canvas得出的模型評估值，和用Python中l(wèi)inear_SVM算法得到的結(jié)果幾乎吻合，近似一致。

只是AUC值一列，似乎存在一些問題，Amazon SageMaker Canvas得出的為0.991%，python得出的是0.974，數(shù)值上是吻合的，但在度量上差了兩位小數(shù)點兒，這一點還有待進一步探討。

表4 Amazon SageMaker Canvas VS. Python

圖5 SageMaker Canvas的混淆矩陣和幾大指標

3）小結(jié)

分類算法的應用范圍和涉及的場景非常多，涉及各行各業(yè)，我們要解決的問題大都可以抽象為分類問題.

就拿信用卡的生命周期來講，在營銷期，利用分類算法對積累的客戶的數(shù)據(jù)進行預測，找到潛在的推廣客戶，滿足個性化營銷。

到審核階段，需要對客戶進行資質(zhì)評估，無通過分類算法預測違約的概率，從而達到信用評級的目的。

到了穩(wěn)定期，隨著客戶的賬齡不斷增長，客戶的資質(zhì)不斷發(fā)生變化，需要定時定點對客戶進行風險的研究，及時發(fā)現(xiàn)風險客戶并進行管理。

最后，到了衰退期，會涉及到客戶流失的問題，需要用分類算法預測客戶流失的可能性有多高。

2. 預測問題

1）數(shù)據(jù)集

波士頓房價預測是經(jīng)典的數(shù)據(jù)分析/機器學習入門項目，我們都知道，房價一般會與房間面積的大小、房子所在的城市、房子的空間布局等因素有關(guān)。而房價預測的任務就是給定與房價相關(guān)因素的數(shù)據(jù)，通過這些數(shù)據(jù)預測出房子的價格。

波士頓房價數(shù)據(jù)集：波士頓房價數(shù)據(jù)集來自卡內(nèi)基梅隆大學StatLib庫，涵蓋了麻省波士頓的506個不同郊區(qū)的房屋數(shù)據(jù)，404條訓練數(shù)據(jù)集，102條測試數(shù)據(jù)集 每條數(shù)據(jù)14個字段，包含13個屬性和1個房價的平均值。下表是對波士頓房價數(shù)據(jù)集的特征描述：

表5 波士頓房價預測數(shù)據(jù)集

2）對比分析

波士頓房價數(shù)據(jù)集中共計13個特征，每個特征都會或多或少的提升或者抑制房價?，F(xiàn)將SageMaker Canvas預測出的特征重要程度排名與Python機器學習算法得出的進行對比，發(fā)現(xiàn)前7個特征中，有5個特征是重疊的，這證明SageMaker Canvas的模型預測性是值得信賴的。

比如，抑制房價最明顯的是特征NOX，它表示一氧化氮的濃度，基于常識可知，一氧化氮濃度越高，說明住房所在地的環(huán)境污染越嚴重，房價也就越便宜。對房價提升最明顯的特征是 RM，對應數(shù)據(jù)集可知，RM指的是每處住房的平均房間數(shù)量，這也是很容易理解，房間越多，房屋總面積就越大，面積越大，總房價就高。

表6 Canvas得出的特征重要性排名 VS. Python得出的

SageMaker Canvas除了能夠?qū)?shù)據(jù)集中影響預測結(jié)果的特征進行重要性排名，還能清晰地展示出每一個特征和預測結(jié)果之間的關(guān)系（是正相關(guān)的還是負相關(guān)的），例如，LSTAT這一特征表示“該地區(qū)中有多少房東屬于低收入人群”，如下圖所示，該地區(qū)低收入人群越多，房價越低。

圖7 各個屬性對模型預測的影響力排名

鑒于可視化能給人們帶來最直觀的認知，SageMaker Canvas中提供了可視化方法，來展示回歸模型預測的效果。

如下圖，可以看到針對波士頓房價數(shù)據(jù)集，預測房價和實際房價之間的對比圖。針對預測類問題，SageMaker Canvas提供了均方根誤差（RMSE），如下圖所示，線條周圍紫色區(qū)域的寬度代表了RMSE的范圍，房價預測的值通常會落在這個范圍之內(nèi)。

3）小結(jié)

本次，在使用SageMaker Canvas預測房價的過程中，我們只需要給定輸入數(shù)據(jù)集，SageMaker Canvas就可以從中推演出指定目標變量的可能結(jié)果。其他預測問題，也能在SageMaker Canvas上實現(xiàn)。

四、總結(jié)

高昂的硬件價格、復雜軟件配置一直是阻礙初學者入門 AI 的絆腳石，低代碼機器學習開發(fā)平臺的問世與推廣可謂是“碼盲人群”的一道曙光。通過低代碼功能，使用支持比 Python 編碼更快、更容易的模型操作的新的機器學習算法，變得讓人期待?？梢?，在未來，即使是完全不具備機器學習知識的業(yè)務人員，也可以運用機器學習模型高效解決業(yè)務上的實際問題。

本文由 @麥地與詩人 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自unsplash，基于CCO協(xié)議