許多組織使用機器學(xué)習(xí)模型來更好地洞察和預(yù)測他們的業(yè)務(wù)。在報告、儀表板和其他分析中可視化和調(diào)用來自這些模型的見解的能力，可以將這些見解傳播給最需要它的業(yè)務(wù)用戶。Power BI現(xiàn)在使用簡單的點擊手勢就可以輕松地融合來自Azure機器學(xué)習(xí)服務(wù)上托管的模型的見解。

使用此功能，數(shù)據(jù)科學(xué)家只需使用Azure門戶向BI分析師授予對Azure ML模型的訪問權(quán)限即可。在每個會話的開始時，Power Query會發(fā)現(xiàn)用戶可以訪問的所有Azure ML模型，并將它們公開為dynamic Power Query函數(shù)。然后，用戶可以通過從Power Query編輯器中的功能區(qū)訪問這些函數(shù)，或直接調(diào)用M功能來調(diào)用這些函數(shù)。為實現(xiàn)更好的性能，當(dāng)Power BI在為一組行調(diào)用Azure ML模型時還會自動批量處理訪問請求，

目前，僅Power BI數(shù)據(jù)流以及Power BI服務(wù)中的在線Power Query支持此功能。

下載Power BI Desktop  下載Power BI Pro

向Power BI用戶授予對Azure ML模型的訪問權(quán)限

要從Power BI訪問Azure ML模型，用戶必須具有對Azure訂閱的讀取權(quán)限。此外：

• 對于Machine Learning Studio模型，請閱讀Machine Learning Studio Web服務(wù)的訪問權(quán)限

• 對于機器學(xué)習(xí)服務(wù)模型，請閱讀機器學(xué)習(xí)服務(wù)工作空間的訪問權(quán)限

本文中的步驟描述了如何授予Power BI用戶對托管在Azure ML服務(wù)上的模型的訪問權(quán)，以便他們能夠作為Power Query函數(shù)訪問該模型。

步驟1：登錄到。

步驟2：轉(zhuǎn)到“ 訂閱”頁面。您可以在Azure門戶左側(cè)導(dǎo)航菜單中的“所有服務(wù)”列表找到“訂閱”頁面。

步驟3：選擇您的訂閱。

步驟4：選擇訪問控制（IAM），然后選擇添加按鈕。

步驟5：選擇閱讀器作為角色。選擇要授予Azure ML模型訪問權(quán)限的Power BI用戶。

步驟6：選擇保存。

步驟7：重復(fù)步驟3-6，授予讀者對特定Machine Learning Studio Web服務(wù)或托管模型的Machine Learning服務(wù)工作區(qū)的訪問權(quán)限。

機器學(xué)習(xí)服務(wù)模型的架構(gòu)發(fā)現(xiàn)

數(shù)據(jù)科學(xué)家主要使用Python為機器學(xué)習(xí)服務(wù)開發(fā)甚至部署他們的機器學(xué)習(xí)模型。與幫助自動執(zhí)行為模型創(chuàng)建架構(gòu)文件的任務(wù)的Machine Learning Studio不同，在Machine Learning Service的情況下，數(shù)據(jù)科學(xué)家必須使用Python顯式生成架構(gòu)文件。

此模式文件必須包含在已部署的用于機器學(xué)習(xí)服務(wù)模型的web服務(wù)中。要自動生成web服務(wù)模式，您必須在已部署模型的輸入/輸出腳本中提供一個示例。

具體來說，輸入腳本中的@input_schema和@output_schema函數(shù)，引用input_sample和output_sample變量中的輸入和輸出示例格式，并在部署期間使用這些示例為web服務(wù)生成OpenAPI (Swagger)規(guī)范。

這些通過更新輸入腳本生成模式的說明還必須應(yīng)用到使用Azure機器學(xué)習(xí)SDK的自動化機器學(xué)習(xí)實驗創(chuàng)建的模型中。

注意：目前，使用Azure機器學(xué)習(xí)服務(wù)可視界面創(chuàng)建的模型不支持架構(gòu)生成，但在后續(xù)版本中將支持。

在Power BI中調(diào)用Azure ML模型

您可以直接從數(shù)據(jù)流中的Power查詢編輯器中調(diào)用授予您訪問權(quán)限的任何Azure ML模型。要訪問Azure ML模型，請為您想要從Azure ML模型中獲得更多見解的實體選擇Edit按鈕，如下圖所示。

選擇“Edit”按鈕將為數(shù)據(jù)流中的實體打開Power Query Editor。

選擇功能區(qū)中的AI Insights按鈕，然后從左側(cè)導(dǎo)航菜單中選擇Azure機器學(xué)習(xí)模型文件夾。您可以訪問的所有Azure ML模型都在這里作為Power查詢函數(shù)列出。另外，Azure ML模型的輸入?yún)?shù)被自動映射為相應(yīng)的Power查詢函數(shù)的參數(shù)。

若要調(diào)用Azure ML模型，您可以將所選實體的任何列指定為來自下拉列表的輸入。您還可以通過在輸入對話框的左側(cè)切換列圖標(biāo)來指定要輸入的常量值。

選擇Invoke來查看Azure ML模型輸出的預(yù)覽，作為實體表中的新列。您可以展開該列，在單獨的列中生成單獨的輸出參數(shù)。

保存數(shù)據(jù)流之后，在刷新數(shù)據(jù)流時，對于實體表中任何新行或更新行，都會自動調(diào)用模型。

*想要獲得Power BI Desktop、Power BI Pro更多資源或正版授權(quán)的朋友，可以咨詢了解哦~