演练：开发预测分析解决方案，用于在 Azure 机器学习中评估信用风险

在本演练中，我们将深入探讨在机器学习工作室中开发预测分析解决方案的过程。 我们将在机器学习工作室中开发一个简单模型，然后将其部署为 Azure 机器学习 Web 服务，以便模型在其中使用新数据进行预测。

本演练假设用户此前至少使用过机器学习工作室一次，且对机器学习概念有一些了解。 但不假设用户精通其中任一领域。

如果以前从来没用过 Azure 机器学习工作室，则可能一开始需要学习在
Azure 机器学习工作室中创建第一个数据科学试验这一教程。 该教程指导用户首次完成机器学习工作室的使用。 教程中会介绍各种基础知识：如何将模块拖放到试验中、如何将模块连接到一起、如何运行试验，以及如何查看结果。 另一个可有助于入门的工具是一个示意图，该示意图概述了机器学习工作室的各种功能。 可在此处下载并打印该图：Azure
机器学习工作室功能的概要示意图。

如果用户基本上是刚接触机器学习领域，我们有一个视频系列可能会有所帮助。 视频名为适合初学者的数据科学，视频中使用日常语言和概念对机器学习进行了精彩的介绍。


备注

免费尝试 Azure 机器学习

不需要信用卡或 Azure 订阅。 立即开始使用
>.

问题

假设用户需要根据他们提供的贷款申请相关信息预测个人的信用风险。

信用风险评估是个较为复杂的过程，但在本演练中我们可将其适当简化。 我们将使用它作为示例，展示如何使用 Microsoft Azure 机器学习来创建预测分析解决方案。 为此，我们将使用 Azure 机器学习工作室和机器学习 Web 服务。

解决方案

在本详细演练中
4000
，我们从开放使用的信用风险数据入手，并根据该数据开发和定型预测模型。 然后将模型部署为 Web 服务，以便其他用户可使用它来进行信用风险评估。

若要创建该信用风险评估解决方案，我们将执行以下步骤：
创建机器学习工作区
上载现有数据
创建试验
定型和评估模型
部署
Web 服务
访问
Web 服务