不懂AI輸一半

  ·        摘要 支援企業營運的資訊系統扮演的是非常關鍵的功能 , 一旦因為資訊系統故障 , 或是運作效能不如預期 , 或是遭遇惡意攻擊而無法提供正常的服務 , 造成客戶的業務無法正常執行 , 不僅企業營收可能受到影響 , 甚至引發負評 , 造成企業聲譽受損 , 影響就很難量化了 . 在本篇文章中 , 我們將使用 Microsoft ML.NET 支援的 RandomizedPca 演算法分析伺服器的效能數據 , 冀能預先偵測到伺服器運作的異能 , 提早因應 , 讓企業資訊系統常保正常營運 . 圖 : 偵測伺服器運作的示意圖 ·        準備訓練資料 首先請啟動瀏覽器 , 瀏覽至 Dataset System Resources CPU RAM Disk Network, 下載伺服器運作的效能數據範例資料 ( 下載網址 : https://www.kaggle.com/datasets/omnamahshivai/dataset-system-resources-cpu-ram-disk-network ). 圖 1 所示即為下載得到的資料 : 圖 1: 伺服器運作的效能數據範例資料 這份伺服器運作的效能數據範例資料的欄位詳細說明如下表 : 資料集描述： 欄位名稱 欄位說明 index 資料的編號 cpu 伺服器的處理器效能數據 ram 伺服器的記憶體效能數據 disk 伺服器的磁碟機效能數據 network 伺服器的網路效能數據 ·        使用 ML.NET 偵測伺服器的運作異常 首先請下載上述的伺服器運作的效能數據範例資料並加入到使用 Visual Studio 建立的專案 , 並於 [ 屬性 ] 視窗將加入到專案 , 內含伺服器運作的效能數據範例資料...

  ·        摘要 找出造成某種結果的關鍵因素 , 例如找出造成心臟疾病的關鍵因素 , 找到員工離職的關鍵因素 , 找出企業營業利潤不佳的關鍵原因 , 找出客戶流失的關鍵原因 , 是很實用的決策支援 , 能夠協助企業或個人做出正確的決策 , 進而防範不良結果發生 , 防患於未然 , 是企業經營勝出的良策 . 在本篇文章中 , 我們將使用 Microsoft ML.NET 支援的 Permutation Feature Importance(PFI) 演算法發掘造成罹患糖尿病的關鍵因素 , 讀者有興趣也可進行研究 , 研究房屋價格的關鍵因素 , 影響員工績效的關鍵因素 , 或是造成罹患失智症的關鍵原因 . 圖 : Permutation Feature Importance(PFI) 演算法利用排列組合特徵的內容值求取造成某種結果的關鍵原因 ·        準備訓練資料 首先請啟動瀏覽器 , 瀏覽至 diabetes.csv 下載罹患糖杘病的病患的相關資料 ( 下載網址 : https://www.kaggle.com/datasets/saurabh00007/diabetescsv ). 圖 1 所示即為下載得到的資料 : 圖 1: 罹患糖杘病的病患的相關資料 這份罹患糖杘病的病患的相關資料的欄位詳細說明如下表 : 資料集描述： 欄位名稱 欄位說明 Pregnancies 懷孕了幾次 Glucose 血液中葡萄糖濃度 BloodPressure 舒張壓 ( 毫米汞柱 mm Hg) SkinThickness 三頭肌皮摺厚度 Insulin 胰島素濃度 BMI 身體質量指數 (BMI 值 ) DiabetesPedigreeFunction 糖尿病函數，這個...