Share via

Hodnocení modelu Vowpal Wabbit

  • Článek

Tento článek popisuje, jak pomocí komponenty Score Vowpal Wabbit Model v návrháři služby Azure Machine Learning vygenerovat skóre pro sadu vstupních dat pomocí existujícího vytrénovaného modelu Vowpal Wabbit.

Tato komponenta poskytuje nejnovější verzi architektury Vowpal Wabbit verze 8.8.1. Pomocí této komponenty můžete vyhodnotit data pomocí natrénovaného modelu uloženého ve formátu VW verze 8.

Jak nakonfigurovat skóre modelu Wabbit vowpalu

  1. Přidejte do experimentu komponentu Score Vowpal Wabbit Model (Score Vowpal Wabbit Model ).

  2. Přidejte vytrénovaný model Vowpal Wabbit a připojte ho k levému vstupnímu portu. Můžete použít vytrénovaný model vytvořený ve stejném experimentu nebo uložený model najít v kategorii Datové sady v levém navigačním podokně návrháře. Model ale musí být k dispozici v Návrháři služby Azure Machine Learning.

    Poznámka

    Podporovány jsou pouze modely Vowpal Wabbit 8.8.1; uložené modely, které byly natrénovány pomocí jiných algoritmů, nelze připojit.

  3. Přidejte testovací datovou sadu a připojte ji ke vstupnímu portu vpravo. Pokud je testovací datová sada adresář, který obsahuje soubor testovacích dat, zadejte název souboru testovacích dat do pole Název souboru testovacích dat. Pokud je testovací datová sada jeden soubor, ponechte název testovacího datového souboru prázdný.

  4. Do textového pole Argumenty VW zadejte sadu platných argumentů příkazového řádku pro spustitelný soubor Vowpal Wabbit.

    Informace o tom, které argumenty Vowpal Wabbit jsou podporované a nepodporované ve službě Azure Machine Learning, najdete v části Technické poznámky .

  5. Název testovacího datového souboru: Zadejte název souboru, který obsahuje vstupní data. Tento argument se používá pouze v případě, že testovací datová sada je adresář.

  6. Zadejte typ souboru: Určete, jaký formát vaše trénovací data používají. Vowpal Wabbit podporuje tyto dva formáty vstupních souborů:

    • VW představuje interní formát používaný Vowpal Wabbit . Podrobnosti najdete na stránce wikiwebu Vowpal Wabbit .
    • SVMLight je formát používaný některými jinými nástroji strojového učení.

  7. Pokud chcete výstup popisků zobrazit společně se skóre, vyberte možnost Zahrnout další sloupec obsahující popisky.

    Při zpracování textových dat Vowpal Wabbit obvykle nevyžaduje popisky a vrátí pouze skóre pro každý řádek dat.

  8. Pokud chcete vyjít nezpracovaná skóre společně s výsledky, vyberte možnost Zahrnout sloupec navíc obsahující nezpracovaná skóre.

  9. Odešlete kanál.

Výsledky

Po dokončení trénování:

  • Pokud chcete vizualizovat výsledky, klikněte pravým tlačítkem na výstup komponenty Score Vowpal Wabbit Model (Určit skóre wabbit modelu Vowpal ). Výstup označuje skóre předpovědi normalizované od 0 do 1.

  • Pokud chcete vyhodnotit výsledky, výstupní datová sada by měla obsahovat názvy sloupců s konkrétním skóre, které splňují požadavky na komponentu Vyhodnotit model.

    • Pro regresní úlohu musí datová sada, která se má vyhodnotit, obsahovat jeden sloupec s názvem Regression Scored Labels, který představuje popisky se skóre.
    • U úlohy binární klasifikace musí datová sada, která se má vyhodnotit, obsahovat dva sloupce s názvem Binary Class Scored Labels,Binary Class Scored Probabilities které představují popisky se skóre a pravděpodobnosti.
    • U úlohy s více klasifikacemi musí datová sada, která se má vyhodnotit, obsahovat jeden sloupec s názvem Multi Class Scored Labels, který představuje popisky se skóre.

    Všimněte si, že výsledky komponenty Score Vowpal Wabbit Model nelze vyhodnotit přímo. Před vyhodnocením by se datová sada měla upravit podle výše uvedených požadavků.

Technické poznámky

Tato část obsahuje podrobnosti o implementaci, tipy a odpovědi na nejčastější dotazy.

Parametry

Vowpal Wabbit nabízí mnoho možností příkazového řádku pro výběr a ladění algoritmů. Zde není možné všechny tyto možnosti prodiskutovat; doporučujeme zobrazit stránku wikiwebu Vowpal Wabbit.

Azure Machine Learning Studio (classic) nepodporuje následující parametry.

  • Možnosti vstupu a výstupu zadané v https://github.com/JohnLangford/vowpal_wabbit/wiki/Command-line-arguments

    Tyto vlastnosti už komponenta automaticky konfiguruje.

  • Kromě toho je zakázána jakákoli možnost, která generuje více výstupů nebo přijímá více vstupů. Patří mezi ně --cbt, --ldaa --wap.

  • Podporují se pouze algoritmy učení se supervizí. Tím zakážete tyto možnosti: –active, --rankatd --search .

Všechny argumenty kromě výše popsaných jsou povoleny.

Další kroky

Podívejte se na sadu komponent dostupných pro Azure Machine Learning.