数据建模

新建实验

1. 进入机器学习控制台，单击左侧导航栏中的Studio-可视化建模。
2. 单击相应工作空间后的进入机器学习。
3. 单击左侧菜单栏中的实验，右键单击我的实验，选择新建空白实验。
4. 填写新建实验对话框中的名称和描述。
5. 单击创建。

载入数据集

1. 单击左侧导航栏中的数据源。
2. 在搜索框输入加工数据中最终输出的data4ml表，单击搜索图标。
3. 拖拽表搜索结果下的data4ml表至右侧画布。
   

   右键单击读数据表，选择查看数据，即可查看载入的结果数据。数据包括电量趋势下降指标、线损指标和告警类指标数量等窃电漏电指标，以及用户是否真实窃电漏电的数据。

进行数据探索

1. 相关性分析
   1. 单击左侧导航栏中的组件，拖拽统计分析 > 相关系数矩阵至右侧画布。
   2. 连线读数据表中ODPS源的输出和相关系数矩阵的输入。
   3. 右键单击相关系数矩阵，选择从此处开始执行。
   4. 待运行完成后，右键单击相关系数矩阵，选择查看分析报告。
      如相关系数矩阵图所示，3个窃电漏电指标本身和最终是否为窃电用户的关系都不太明显，即用于判断用户是否为窃电用户的特征并不具有单一性。
2. 特征分析
   1. 单击左侧导航栏中的组件，拖拽统计分析 > 数据视图至右侧画布。
   2. 连线读数据表中ODPS源的输出和数据视图的输入。
   3. 双击数据视图，选择右侧的字段设置 > 选择特征列，单击选择字段，并选择目标列为flag。
   4. 在选择字段对话框中，选择trend、xiansun和warnindicator3个字段，单击确定。
   5. 右键单击 数据视图，选择从此处开始执行。
   6. 执行完成后，选择查看分析报告，即可查看各个特征和标签列在数据分布上的关系。

进行数据建模

完成简单的探索性分析之后，即可开始选择合适的算法模型进行数据建模。

1. 通过拆分组件，将数据分为训练集和测试集。
   1. 单击左侧导航栏中的组件，拖拽数据预处理 > 拆分至右侧画布。
   2. 连线读数据表中ODPS源的输出和拆分的输入。
   3. 右键单击拆分，选择从此处开始执行。
   4. 待运行完成后，右键单击拆分，选择查看数据 > 查看输出桩。
      
2. 通过逻辑回归二分类组件，对数据进行回归建模。
   1. 单击左侧导航栏中的组件，拖拽机器学习 > 二分类 > 逻辑回归二分类至右侧画布。
   2. 连线拆分中的输出表1和逻辑回归二分类的训练表。
   3. 双击逻辑回归二分类，选择右侧的字段设置 > 选择特征列，单击选择字段，并选择目标列为flag。
   4. 在选择字段对话框中，选择trend、xiansun和warnindicator3个字段，单击确定。
   5. 右键单击 逻辑回归二分类，选择从此处开始执行。
   6. 执行完成后，选择模型选项 > 查看模型，即可查看数据模型。

预测和评估回归模型

1. 通过预测组件，预测该模型在测试数据集上的效果。
   1. 单击左侧导航栏中的组件，拖拽机器学习 > 预测至右侧画布。
   2. 连线逻辑回归二分类中的逻辑回归模型和预测中的模型结果输入。连线拆分中的输出表2和预测的预测数据输入。
   3. 双击预测，进行右侧的字段设置。
      

      特征列默认全选，单击原样输出列下的选择字段。

   4. 在选择字段对话框中，全选5个字段，单击确定。
   5. 右键单击预测，选择从此处开始执行。
   6. 执行完成后，选择查看数据。
2. 通过二分类评估组件，获取模型效果。
   1. 单击左侧导航栏中的组件，拖拽机器学习 > 评估 > 二分类评估至右侧画布。
   2. 连线预测中的预测结果输出和二分类评估中的输入。
   3. 双击二分类评估，选择右侧的字段设置 > 原始标签列列名为flag。
   4. 右键单击二分类评估，选择从此处开始执行。
   5. 执行完成后，选择查看评估报告，即可查看模型效果。