跳到主要内容

Notebook

Notebook即Jupyter Notebook，在AILines系统中指的是Juypter Notebook的运行环境。
目前系统中默认提供的是Jupyterlab集成环境，方便在线开发运行等工作。

创建启动Notebook运行环境​

在 https://portal.ailines.cn 中，选择菜单Notebook，点击 创建 按钮，如图所示：

notebook list

输入名称，选择镜像及其版本，选择数据集，工作空间和运行环境的配置（CPU，GPU，内存），开通启动Notebook运行环境：

notebook create

提示

数据集是可选项，当然您也可以选择多个数据集。
这里我们选择iris数据集，您可以参考 创建数据集 一节，首先创建一个iris数据集。
点击 Iris.csv 下载iris的csv文件。

点击 日志 按钮，可以查看Notebook启动日志：

notebook log button

当看到如下日志，Notebook已经启动成功：

notebook log

当Notebook的状态变成 运行中, 点击 连接Notebook 按钮：

notebook connect

您将会看到Jupyterlab的运行环境：

jupyterlab

提示

当您看到如上页面，您的Notebook启动成功了。
如果您是第一次启动，可能会出现502页面，这时请稍等一会或者查看启动日志，等待所有服务准备就绪，刷新页面即可。

使用Notebook​

这里以训练及验证iris分类模型为例，演示如何使用Jupyter Notebook。

创建一个Notebook文件(.ipynb)​

在 Launcher 页面中点击 Notebook 下 Python 3(ipykernel) ，保存为Iris.ipynb：

notebook add iris ipynb

依次添加单元格​

点击控制条中的加号，添加单元格：

bar

列出iris dataset下文件
import os
print(os.listdir("/datasets/irisds/"))
列出Iris.csv文件前5行的内容
import pandas as pd
iris = pd.read_csv("/datasets/irisds/Iris.csv")
iris.head()
拆分数据集
"""
一旦我们了解了数据集的内容，我们就可以开始基于算法训练模型。 在这里，我们将实现一些机器学习中常用的算法。 
让我们从使用一些样本训练我们的模型开始。我们将使用一个名为“train_test_split”的内置库，它将我们的数据集分成 80:20 的比例。
80%用于训练，20%用于预测验证
"""
from sklearn.metrics import confusion_matrix
from sklearn.metrics import classification_report
from sklearn.model_selection import train_test_split

# 将数据分成因变量和自变量
X = iris.iloc[:, :-1].values
y = iris.iloc[:, -1].values

# 将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 0)
训练及预测
# 采用支持向量机分类器
from sklearn.svm import SVC

# 训练
classifier = SVC()
classifier.fit(X_train, y_train)

y_pred = classifier.predict(X_test)

# 预测的总结
print(classification_report(y_test, y_pred))
print(confusion_matrix(y_test, y_pred))

# 准确度评分
from sklearn.metrics import accuracy_score
print('accuracy is',accuracy_score(y_pred,y_test))

运行所有单元格​

点击 运行所有单元格 按钮，运行并查看结果：

run all

全部结果如下：

output 1 output 2