WEBVTT

00:00:00.000 --> 00:00:02.610
>> 마침내
우리의 데이터로 놀아보십시오.

00:00:02.610 --> 00:00:04.830
로컬 CSV 파일이 모두 있습니다.

00:00:04.830 --> 00:00:08.235
내 데이터와 나는 확실히해야
클라우드로 올라갑니다.

00:00:08.235 --> 00:00:10.740
또한, 나는
내 데이터를 준비합니다.

00:00:10.740 --> 00:00:12.750
내가 하고 싶은 일은

00:00:12.750 --> 00:00:15.865
얼마나 많은 자전거가
특정 날에 대여하십시오.

00:00:15.865 --> 00:00:19.770
즉, 내 준비를 해야 합니다.
타임 시리즈 예측에 대한 데이터입니다.

00:00:19.770 --> 00:00:22.790
언제나 처럼,
추가 문서에 대한 설명서

00:00:22.790 --> 00:00:26.350
화면 및 설명
아래. 시작해 봅시다.

00:00:26.350 --> 00:00:30.750
첫째, 나는 확실히해야
내 데이터 집합에 액세스할 수 있습니다.

00:00:31.600 --> 00:00:33.980
추가할 예정입니다.
동일한 폴더에

00:00:33.980 --> 00:00:36.420
내 주피터 노트북에 있습니다.

00:00:36.880 --> 00:00:40.174
이 데이터 집합을 업로드할 예정입니다.

00:00:40.174 --> 00:00:42.955
내 기계 학습에
Azure에 데이터 저장소를 저장합니다.

00:00:42.955 --> 00:00:45.355
CSV 파일을 잡을 게요.

00:00:45.355 --> 00:00:47.825
데이터 집합 폴더에 업로드하고,

00:00:47.825 --> 00:00:50.900
모든 데이터 덮어쓰기
이미 존재하는,

00:00:50.900 --> 00:00:53.000
그리고 나는 의 진행 상황을 보여주고 싶다

00:00:53.000 --> 00:00:56.045
이 프로세스 내
비주얼 스튜디오 코드.

00:00:56.045 --> 00:00:58.640
대단하, 그것은 일처럼 보인다.

00:00:58.640 --> 00:01:03.010
다음으로, 만들어야 합니다.
데이터 집합 개체,

00:01:03.010 --> 00:01:06.910
azureml 코어와 나는

00:01:06.910 --> 00:01:08.935
내 날짜를
내가 그것을 만들 거야 방법

00:01:08.935 --> 00:01:11.755
데이터를 쉽게 정렬할 수 있습니다.

00:01:11.755 --> 00:01:15.050
일부 클래스를 가져와야 합니다.

00:01:15.250 --> 00:01:18.220
이제 알아내야 합니다.
어떤 열이 갈지

00:01:18.220 --> 00:01:21.295
다른 열을 예측하는 데 사용합니다.

00:01:21.295 --> 00:01:22.855
결정하기 전에,

00:01:22.855 --> 00:01:25.210
CSV 파일을 열겠습니다.

00:01:25.210 --> 00:01:27.970
내가 가지고있는 데이터.

00:01:27.970 --> 00:01:30.685
나는 여기에 내가 데이트를 가지고 있다는 것을 발견,

00:01:30.685 --> 00:01:34.540
계절, 연도, 월,
요일,

00:01:34.540 --> 00:01:37.870
날씨가 뭐지,
온도, 습도,

00:01:37.870 --> 00:01:41.160
풍속,
나는 또한 카운트가,

00:01:41.160 --> 00:01:43.805
이는 자전거의 수입니다.
임대되었습니다.

00:01:43.805 --> 00:01:49.650
내가 할 일은 내가 할 거야 생각
날짜를 사용하여 수를 예측합니다.

00:01:50.000 --> 00:01:52.710
여기를 통해 정의 해 봅시다.

00:01:52.710 --> 00:01:55.010
이제 시간 열 이름이 있습니다.

00:01:55.010 --> 00:01:58.520
예측하는 데 사용됩니다.
대상 열 이름입니다.

00:01:58.520 --> 00:02:00.890
다음으로, 만들겠습니다.

00:02:00.890 --> 00:02:03.650
호출된 로컬 변수
유지될 데이터 집합

00:02:03.650 --> 00:02:05.570
내 데이터를 추적하고 나는

00:02:05.570 --> 00:02:08.360
해당 데이터 집합 변환
팬더 데이터 프레임으로.

00:02:08.360 --> 00:02:11.060
내가 전화하고 있음을 알 수 있습니다 5,

00:02:11.060 --> 00:02:14.630
첫 번째 인쇄
이 데이터 프레임의 다섯 행.

00:02:14.630 --> 00:02:17.150
우리는 그것을 확인할 수 있습니다
이러한 행은 정확합니다.

00:02:17.150 --> 00:02:19.920
2011년 1월 1일,

00:02:19.920 --> 00:02:23.605
기온은 0.344167

00:02:23.605 --> 00:02:24.920
그리고 우리는 살펴 볼 수 있습니다

00:02:24.920 --> 00:02:28.200
우리의 CSV 파일 및 볼
그것은 여전히 1 월 1 일이었다,

00:02:28.200 --> 00:02:36.440
2011, 그리고 날씨는
또는 온도는 0.33344167이었다.

00:02:36.440 --> 00:02:39.620
그건 바로 찾고. 이제 우리는
데이터 간에 링크가 있습니다.

00:02:39.620 --> 00:02:43.890
Azure 및 로컬에 저장됨
비주얼 스튜디오 코드 환경.