- Skilja klassificering, regression och anomalidetektion.
- Genomföra en uppdelning i träning och test utan att använda facit som indata.
- Jämföra en modell med en baslinje och förklara dess begränsningar i ett IoT-system.
När behövs maskininlärning?
En regel kan larma om temperaturen passerar en bestämd gräns. Statistik kan beskriva hur värden varierar. Maskininlärning lär ett samband eller mönster ur exempel. Börja med ett enkelt alternativ och fråga vad modellen tillför. Mer avancerad teknik är inte ett eget mål.
Klassificering väljer en kategori, exempelvis fel eller inte fel. Regression uppskattar ett numeriskt värde. Anomalidetektion letar efter avvikande mönster, men en avvikelse behöver inte vara ett fel. Prediktivt underhåll är ett användningsområde som kan använda flera av dessa metoder.
I AI4I-exemplet klassificerar vi Machine failure för en observation med tillhörande processvärden. Det är inte automatiskt en prognos om ett framtida haveri. För den slutsatsen behövs en definierad förvarningstid, information som finns före felet och utvärdering på relevant framtida data.
Indata utan facit
Features är modellens indata och en etikett är det utfall den ska lära sig att uppskatta. I vårt exempel använder vi Type, temperaturer, varvtal, vridmoment och verktygsslitage. De beräknade variablerna effekt och temperaturskillnad bygger enbart på dessa indata.
Ta inte med Machine failure, TWF, HDF, PWF, OSF eller RNF i X. De är mål- och felindikatorer som kan avslöja utfallet. UDI och Product ID lämnas också utanför detta exempel: de är identifierare och vi har inte visat att de ger en hållbar förklaring. Ett högt resultat som beror på facit eller artefakter är inte en användbar modell.
Träning, test och överanpassning
Dela upp materialet innan du lär skalning, väljer features med hjälp av utfall eller justerar modellen. Träningsdata används för anpassning. Testdata hålls undan för utvärdering. När du jämför många alternativ eller ändrar trösklar behövs validering inom träningsdelen; testresultatet ska inte styra nästa inställning. Överanpassning innebär att modellen lär detaljer som inte generaliserar.
En pipeline hjälper till att hålla inlärd förbehandling tillsammans med modellen. Skalning och kodning anpassas på träningen och används sedan på testet. Deterministiska enhetsberäkningar som Nm och rpm till watt lär inget ur utfallet och kan beräknas utan en fit-operation.
Exemplet nedan använder en stratifierad slumpuppdelning för att öva arbetsgången på den givna filen. Den bevarar ungefär klassfördelningen men bevisar inte oberoende mellan observationerna. UCI beskriver genererade sekvenser, och verkliga IoT-data kräver ofta uppdelning efter tid eller maskin. Använd inte exemplet som belägg för framtida driftprestanda.
Precision, recall och en baslinje
Sätt fel som positiv klass. Precision = TP / (TP + FP): hur stor andel av modellens fellarm var korrekta? Recall = TP / (TP + FN): hur stor andel av de verkligt felmärkta fallen hittades? TP är korrekt funna fel, FP är falsklarm och FN är missade fel. Visa gärna en förväxlingsmatris och antalet observationer, inte bara procentsatser.
I vår kontroll av hela AI4I-filen är 96,61 procent av raderna märkta utan fel. En modell som alltid svarar inget fel får därför hög accuracy men hittar inga fel. Baslinjen nedan lär majoritetsklassen på träningsdelen. Jämför båda modellerna på samma testdel; testets klassfördelning kan skilja sig något från hela filens.
När inga positiva svar lämnas är precisionens nämnare noll. Koden rapporterar då 0 genom zero_division=0 som en uttrycklig redovisningskonvention. Recall blir 0 när fel finns men inget hittas. Beskriv också konsekvenserna: ett missat haveri och ett onödigt servicebesök kan ha olika kostnad.
| Jämför | Precision | Recall |
|---|---|---|
| Frågan | Hur många av våra fellarm var rätt? | Hur många av de verkliga felen hittade vi? |
| Vi räknar bland | Alla fall där modellen larmade: TP + FP. | Alla fall som verkligen var fel: TP + FN. |
| Formel | TP / (TP + FP) | TP / (TP + FN) |
| Samma exempel: 10 verkliga fel, 8 hittade, 4 falsklarm | 8 / (8 + 4) ≈ 67 % av larmen var rätt. | 8 / 10 = 80 % av felen hittades; 2 missades. |
| Lågt värde betyder | En stor andel av larmen är falsklarm. | En stor andel av de verkliga felen missas. |
Ett litet ML-flöde att granska
Kör detta som ett fristående exempel med originalfilen i arbetskatalogen. Modellen är logistisk regression med förutbestämda inställningar, inte en optimerad lösning. class_weight="balanced" ändrar klassernas vikt vid träningen; det skapar inte fler verkliga felfall och garanterar inte ett bättre resultat.
Redovisa både baslinjens och modellens resultat. Ange valt mål, kolumner, uppdelning och att AI4I är syntetiskt. De dokumenterade etikettskillnaderna finns kvar i originalet. Kopplats kod är ett eget studiestöd tills lärarens aviserade Pythonpipeline finns tillgänglig.
from math import pi
import pandas as pd
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder, StandardScaler
from sklearn.pipeline import make_pipeline
from sklearn.linear_model import LogisticRegression
from sklearn.dummy import DummyClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import precision_score, recall_score, confusion_matrix
df = pd.read_csv("ai4i2020.csv", encoding="utf-8-sig")
df["power_W"] = df["Torque [Nm]"] * (2 * pi * df["Rotational speed [rpm]"] / 60)
df["delta_temperature_K"] = df["Process temperature [K]"] - df["Air temperature [K]"]
numeric = ["Air temperature [K]", "Process temperature [K]",
"Rotational speed [rpm]", "Torque [Nm]", "Tool wear [min]",
"power_W", "delta_temperature_K"]
X = df[["Type", *numeric]]
y = df["Machine failure"]
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.25, random_state=42, stratify=y)
preprocess = ColumnTransformer([
("numeric", StandardScaler(), numeric),
("type", OneHotEncoder(handle_unknown="ignore"), ["Type"]),
])
model = make_pipeline(preprocess, LogisticRegression(
max_iter=1000, class_weight="balanced", random_state=42))
baseline = DummyClassifier(strategy="most_frequent")
for name, estimator in [("Baslinje", baseline), ("Modell", model)]:
estimator.fit(X_train, y_train)
predicted = estimator.predict(X_test)
print(name)
print("Precision:", precision_score(y_test, predicted, zero_division=0))
print("Recall:", recall_score(y_test, predicted, zero_division=0))
print("Matris: rader = verkligt, kolumner = förutsagt, ordning 0/1")
print(confusion_matrix(y_test, predicted, labels=[0, 1]))Edge, cloud och fortsatt uppföljning
En edge-lösning kan ge kortare svarsväg och fungera när nätet är nere, men har begränsat minne, energi och beräkningsutrymme. En molnlösning kan samla större underlag och mer beräkning, men kräver överföring och hänsyn till anslutning, kostnad och åtkomst. Träning och användning av modellen behöver inte ske på samma plats.
Väg nytta mot latens, energi, integritet, förklarbarhet och underhåll. Beskriv hur nya sensorer, ändrade arbetsförhållanden eller åldrande utrustning kan göra sambanden mindre användbara. Förändringar i indata eller sambandet till utfallet kallas ofta drift. Följ relevanta mätetal, samla återkoppling och planera när modellen ska omvärderas.
Ett legitimt resultat av projektet är att föreslå en enklare regel eller att avstå från användning tills bättre data finns. Motivera beslutet med resultat, osäkerheter och IoT-systemets behov.
Prova själv
Fundera med hjälp av exemplet. Papper och penna räcker.
- Skriv vad ett positivt fall betyder och när modellens indata skulle finnas tillgängliga i ett riktigt IoT-flöde.
- Kör baslinjen och modellen på samma uppdelning. Spara kolumnlista, inställningar och precision/recall tillsammans med förväxlingsmatriserna.
- Förklara ett falsklarm och ett missat fel. Föreslå hur en verklig utvärdering skulle hantera tid, maskiner och förändringar över tid.
- Motivera om modellen, en regel eller mer datainsamling är nästa steg. Undvik att beskriva samtidiga feletiketter som bevisad framtidsprognos.
Testa dina kunskaper
Stanna upp en stund. Vad har fastnat?
Fortsätt vara nyfiken
Utvalda källor för dig som vill gå djupare.
AI4I 2020 – originaldata och dokumentationUCI Machine Learning Repository · EngelskaVanliga fallgropar och dataläckagescikit-learn · EngelskaPrecision, recall och utvärderingscikit-learn · EngelskaBaslinjer med DummyClassifierscikit-learn · EngelskaUppdelning, grupper och tidsserierscikit-learn · EngelskaEtt steg närmare helheten.
Markera ämnet när du känner dig redo.