当前位置 > 支持 > 帮助中心 > Powerbi 帮助手册 > 连接到数据 > 教程 > 教程

教程：在 Power BI 中使用 Azure 机器学习模型

版本：2023.1(当前版本)

本教程将指导你基于机器学习模型创建 Power BI 报表。完成本教程后，可执行以下操作：

在 Power BI 中对机器学习模型进行评分（使用 Azure 机器学习部署）。
在 Power Query 编辑器中连接到 Azure 机器学习模型。
基于该模型创建含有可视化效果的报表。
将该报表发布到 Power BI 服务。
为报表设置计划的刷新。

备注

目前，Power BI 尚不支持联机终结点（v2 终结点）。仅支持 ACI/AKS web 服务（v1 web 服务）。

先决条件

开始本教程之前，需要：

在 Azure 机器学习中训练和部署机器学习模型。使用以下三个 Azure 机器学习教程之一：

选项 A：代码
选项 B：设计器
选项 C：自动化 ML

注册 Power BI 免费试用版。
在本地计算机上安装 Power BI Desktop。

创建数据模型

打开 Power BI Desktop 并选择“获取数据”。在“获取数据”对话框中，搜索“Web”。选择“Web 源”>“连接”。

显示 Web 数据的屏幕截图。

在“从 Web”对话框中，将以下 URL 复制并粘贴到框中：

txt复制

https://www4.stat.ncsu.edu/~boos/var.select/diabetes.tab.txt

显示 Web URL 的屏幕截图。

选择“确定”。

在“访问 Web 内容”中，选择“匿名”>“连接” 。

屏幕截图显示了对 Web 内容的匿名访问。

选择“转换数据”以打开“Power Query 编辑器”窗口。

在 Power Query 编辑器的“开始”功能区中，选择“Azure 机器学习”按钮。

使用单一登录登录到 Azure 帐户后，你会看到可用服务的列表。选择根据“训练和部署机器学习模型”教程创建的 my-sklearn-service。

Power Query 自动为你填充列。请记住，在我们的服务架构中，有一个指定了输入的 Python 修饰器。选择“确定” 。

显示 Azure 机器学习模型的屏幕截图。

备注

对于时序模型，Power BI 可能不会自动检测时间列的日期格式。若要继续，请在调用 Azure 机器学习之前先在 Power BI 中将时间列转换为日期/时间类型。

选择“确定”会调用 Azure 机器学习服务。它会触发有关数据和终结点的数据隐私的警告。

显示隐私警告的屏幕截图。

选择“继续”。在下一个屏幕中，选择“忽略此文件的隐私级别检查”>“保存”。

对数据进行评分后，Power Query 会创建一个名为“AzureML.my-diabetes-model”的附加列。

显示已添加的评分列的屏幕截图。

服务返回的数据是列表。

备注

如果已部署设计器模型，你会看到记录。

要获取预测，请选择“AzureML.my-diabetes-model”列标题中的双箭头，然后再选择“扩展到新行”。

展开后，你会在 AzureML.my-diabetes-model 列中看到预测。

按照以下后续步骤完成数据模型的清理。

将 AzureML.my-diabetes-model 列重命名为“已预测”。
将 Y 列重命名为“实际”。
更改“实际”列的类型：选择该列，然后在“转换”功能区中，选择“数据类型”>“十进制数”。
更改“已预测”列的类型：选择该列，然后在“转换”功能区中，选择“数据类型”>“十进制数”。
在“开始”功能区中选择“关闭并应用”。

创建含有可视化效果的报表

现在，可以创建一些可视化效果来显示数据。

在“可视化效果”窗格中，选择“折线图”。
选中“折线图”视觉对象：
将“期限”字段拖到“轴”中。
将“实际”字段拖到“值”中。
将“已预测”字段拖到“值”中。

调整折线图的大小以填充页面。报表现在具有一个含有两行的折线图，一行用于已预测的值，另一行用于实际值，按期限分布。

显示报表可视化效果的屏幕截图。

发布报表

如果需要，可以添加更多可视化效果。为简洁起见，我们将在本教程中发布报表。

保存报表。
选择“文件”>“发布”>“发布到 Power BI”。
登录 Power BI 服务。
选择“我的工作区”。
成功发布报表后，选择“在 Power BI 中打开

启用要刷新的数据集

在使用要评分的新数据刷新数据源的方案中，需要更新凭据，以便可以对数据进行评分。

在 Power BI 服务的“我的工作区”的黑色标题栏中，选择“更多选项(...)”>“设置”>“设置”。

显示设置的屏幕截图。

选择“数据集”，展开“数据源凭据”，然后选择“编辑凭据”。

显示凭据刷新的屏幕截图。

按照 azureMLFunctions 和 Web 中的说明进行操作。请确保选择隐私级别。现在可以设置数据的“计划的刷新”。选择“刷新频率”和“时区”。还可以选择 Power BI 可发送刷新失败通知的电子邮件地址。

显示数据集和评分刷新的屏幕截图。

选择“应用”。

备注

刷新数据时，还会将数据发送到 Azure 机器学习终结点以进行评分。

清理资源

重要

可以使用你创建的、用作其他 Azure 机器学习教程和操作指南文章的先决条件的资源。

如果你不打算使用所创建的资源，请将其删除，以免产生任何费用。

在 Azure 门户中，选择最左侧的“资源组” 。
从列表中选择你创建的资源组。
选择“删除资源组”。
输入资源组名称。然后选择“删除”。
在 Power BI 服务的“我的工作区”中，删除报表和相关数据集。不需要在计算机上删除 Power BI Desktop 或报表。 Power BI Desktop 是免费的。