Platform For AI:Previsão da qualidade do ar

Conjunto de dados

Previsão da qualidade do ar

1. Acesse a página do Machine Learning Designer.

   1. Faça login no PAI console.

   2. No painel de navegação à esquerda, clique em Workspaces. Na página Workspaces, clique no nome do workspace a ser gerenciado.

   3. No painel de navegação à esquerda, escolha Model Training > Visualized Modeling (Designer).

2. Crie um pipeline.

   1. Na página do Designer, clique na aba Preset Templates.

   2. Na seção Air Quality Prediction, clique em Create.

   3. Na caixa de diálogo Create Pipeline, configure os parâmetros. Use as configurações padrão para todos os parâmetros.

      O parâmetro Data Storage especifica o caminho de um bucket do OSS para armazenar dados temporários e modelos gerados durante a execução do pipeline.

   4. Clique em Confirm.

      A criação do pipeline leva cerca de 10 segundos.

   5. Na lista de pipelines, clique duas vezes no pipeline Air Quality Prediction para abri-lo.

   6. O sistema cria o pipeline automaticamente a partir do modelo predefinido.

      

      Região	Descrição
      ①	Importação e pré-processamento de dados: O componente Read Data Table importa o conjunto de dados. O componente Type Transform converte os dados de STRING para DOUBLE. O componente SQL Script converte a coluna de rótulo para o tipo binário 0 ou 1. Neste experimento, a coluna pm2 é a coluna de rótulo. Valores superiores a 200, indicativos de poluição severa do ar, recebem a marcação 1. Os demais valores recebem a marcação 0. Utilize a seguinte instrução SQL: select time,hour,(case when pm2>200 then 1 else 0 end),pm10,so2,co,no2 from ${t1}; O componente Normalization padroniza os dados dos indicadores de poluentes para remover a dimensionalidade.
      ②	Análise estatística: O componente Histogram visualiza a distribuição de cada poluente. Por exemplo, para PM2,5, a faixa de valores mais frequente varia de 11,74 a 15,61, com 430 ocorrências, conforme a figura a seguir. O componente Data View mostra como as faixas de valores de cada poluente afetam o resultado. Para o recurso no2, por exemplo, a faixa de 112,33 a 113,9 contém 7 instâncias do rótulo alvo 0 e 9 instâncias do rótulo alvo 1, como mostra a figura abaixo. Isso indica maior probabilidade de poluição severa quando o valor de no2 está nessa faixa. As métricas Entropia e Gini medem o ganho de informação, ou seja, o impacto dessa faixa de recurso sobre o valor alvo. Um valor maior sinaliza um impacto mais significativo.
      ③	Treinamento e previsão do modelo: os componentes Random Forest e Binary Logistic Regression treinam o modelo.
      ④	Avaliação do modelo.

3. Execute o pipeline e visualize os resultados do modelo.

   1. Clique no ícone Executar na parte superior da tela.

   2. Após a conclusão do pipeline, clique com o botão direito no componente Binary Classification Evaluation, localizado após o componente Random Forest na tela, e selecione Visual Analysis no menu de atalho.

   3. Na caixa de diálogo Binary Classification Evaluation, clique na aba Evaluation Charts para visualizar os resultados da previsão do modelo Random Forest.

      A Área Sob a Curva (AUC) supera 99%, o que demonstra alta precisão nas previsões do modelo Random Forest.

   4. Clique com o botão direito no componente Binary Classification Evaluation, posicionado após o componente Binary Logistic Regression na tela, e selecione Visual Analysis no menu de atalho.

   5. Na caixa de diálogo Binary Classification Evaluation, clique na aba Evaluation Charts para verificar os resultados da previsão do modelo Binary Logistic Regression.

      A AUC ultrapassa 98%, indicando elevada precisão preditiva para o modelo Binary Logistic Regression.