前文

OK今天的文章，會是昨天的延續，因為我怕一次教太多，我怕大家吸收不了，昨天教到Clean data，今天繼續下去

步驟

　粗體為今天會講到的步驟

1.匯入資料
2.選擇要使用的 Columns
3.清理資料
4.資料前處理（資料型態轉換）
5.切分資料為訓練及測試資料集
6.匯入模型
7.訓練模型
8.評分模型
9.評估模型（和評分模型的不同之處在於，評估模型會計算出該模型的MAE / RMSE 等值，提供更直觀的模型評估方式）
(來源：Ashe Liao)

正文

4.資料的前置作業(資料型態轉換)

下一步是資料轉換，傳統上做分類問題時使用的隨機森林有個缺點，資料型態必須是 numeric 的值才有辦法餵入模型，因此在 Notebook 上常常要做一系列的資料型態轉換，但是!!!!!在Azure Machine Learning Studio 上有一個特別的功能Edit meta data(複製在左欄位搜尋)，這個模組可以自動把選定的欄位轉換成 category 的資料，就不用再做複雜的資料型態轉換，可以直接以類別資料型態餵入模型，是相當方便又好用的功能。

這次的紅色驚嘆號也使因為沒有輸入Cloun，照我的輸入即可。

然後要接著設定資料轉換的型態，在 Categorical 選擇 Categorical 以及 Fields 選取 Features，跟下圖一致。

5.切分資料

我們要將資料切分為訓練資料以及測試資料，首先先在左側搜尋欄中搜尋 Split data 並拖拉至工作區與上一塊連接起來。

然後我們選擇70%的資料為訓練資料，剩下的30%為測試資料，並且按照亂數來切分。(若要確認每次的切分成果相同，可以設定 Random seed 參數為一個不為 0 的正整數。)

待續......