在Power BI中使用机器学习预测泰坦尼克存活率

其实，在之前已经介绍过Power BI中强大的AI功能，但基本是依赖于Power BI Desktop来实现的，比如分解树，智能叙述，快速度量。而今天要介绍的就是Azure云服务中的机器学习。
打开Power BI Server,进行工作区后（必须是高级容量的工作区，此演示用的工作区为PPU的工作区）新建数据流

接下来就是导入数据，之后选择定义新表，

这里我使用的是存放于onedive的csv文件，该测试文件来源于Kaggle, Titanic Tutorial | Kaggle --- 泰坦尼克号教程|卡格尔感兴趣的可自取。


这之后的步骤和在Power BI Desktop中的加载数据差不多，选择文件，加载文件就可以了。加载好测试数据集和训练数据集后选择保存并关闭，回到工作区

选择训练数据集上的应用ML模型按钮就可以添加机器学习模型了

选择要预测的列

选择要用到的模型，这里自动推荐了二进制预测，也可以选择其他模型


选择需要的列，如果有在Kaggle上或者其他平台接触过该数据集的应该知道票价高的存活率高些的。但也不要太拘泥，这里我们按自己的理解选择相关列就好，如果模型表现不理解再次修改模型重新预测就好。
接下就就是选择模型训练的时间，通常训练时间越久越好的，相对来说耗用的资源越多，按需来就好。

查看训练报表，如果模型训练完了，则再次单击应用ML模型按钮时就可以查看训练集的报表了。


相应的也可以查看测试数据集的结果，也可以使用Power BI Desktop连接该结果表进一步的展现。

今年ChatGPT4的成功，微软也加大了Power BI中AI投入，比如目前快速度量值建议使用的就已经是ChatGPT了，再加上整合微软云资源的Fabric，可见微软的野心。身为技术人员，或者业务人员，还能说什么呢，拿来为我所用就行了。