Skóre modelu Vowpal Wabbit verze 7-4

  • Článek

Důležité

Podpora studia Machine Learning (Classic) skončí 31. srpna 2024. Doporučujeme do tohoto data přejít na službu Azure Machine Learning.

Od 1. prosince 2021 nebude možné vytvářet nové prostředky studia Machine Learning (Classic). Do 31. srpna 2024 můžete pokračovat v používání stávajících prostředků studia Machine Learning (Classic).

Dokumentace ke studiu ML (Classic) se vyřazuje z provozu a v budoucnu se nemusí aktualizovat.

Scores data using the Vowpal Wabbit machine learning system from the command line interface

Kategorie: Analýza textu

Poznámka

Platí pro: Machine Learning Studio (classic)

Podobné moduly s přetahováním jsou k dispozici v Azure Machine Learning návrháři.

Přehled modulu

Tento článek popisuje, jak pomocí modulu Score Vowpal Wabbit verze 7-4 v Machine Learning Studiu (klasickém) vygenerovat skóre pro sadu vstupních dat pomocí existujícího natrénovaný model Vowpal Wabbit.

Tento modul je k dispozici pro kompatibilitu s rozhraním Vowpal Wabbit verze 7-4. Tento modul použijte pouze v případě, že potřebujete data o skóre použít natrénovaný model, který byl uložen ve formátu 7–4.

Pokud chcete vytvořit nový model VW, doporučujeme použít nejnovější verzi:

Konfigurace modelu Score Vowpal Wabbit verze 7-4

  1. Přidejte do experimentu modul Score Vowpal Wabbit Version 7-4 Model (Skóre modelu Vowpal Wabbit verze 7-4 ).

  2. Přidejte vytrénovaný model Vowpal Wabbit a připojte ho k levému vstupnímu portu. Můžete použít natrénovaný model vytvořený ve stejném experimentu nebo uložený model vyhledat v levém navigačním podokně sady Studio (klasické) ve skupině Trénované modely.

    Omezení

    Model musí být dostupný v Machine Learning Studiu (classic). Model nelze načíst přímo z úložiště Azure.

    Podporují se pouze modely Vowpal Wabbit 7-4. Uložené modely natrénované pomocí jiných algoritmů nelze připojit a nelze použít modely, které byly natrénovány pomocí novějších verzí.

  3. Do textového pole Argumenty VW zadejte sadu platných argumentů příkazového řádku do spustitelného souboru Vowpal Wabbit.

    Informace o tom, které argumenty Vowpal Wabbitu jsou podporované v Machine Learning, najdete v části Technické poznámky.

  4. Klikněte na Zadat datový typ a v seznamu vyberte jeden z podporovaných datových typů.

    Bodování vyžaduje jeden sloupec dat kompatibilních s VW.

    Pokud máte existující soubor vytvořený ve formátech SVMLight nebo VW, můžete ho načíst do pracovního prostoru Azure ML jako novou datovou sadu v jednom z těchto formátů: Obecný csv bez záhlaví, TSV bez záhlaví.

    Možnost VW vyžaduje, aby byl k dispozici popisek, ale nepouží se při bodování s výjimkou porovnání.

  5. Přidejte modul Import dat a připojte ho k pravému vstupnímu portu modulu Score Vowpal Wabbit verze 7-4. Nakonfigurujte modul Import dat pro přístup ke vstupním datům.

    Vstupní data pro bodování musí být předem připravená v jednom z podporovaných formátů a uložená v úložišti objektů blob v Azure.

  6. Pokud chcete zobrazit popisky společně se skóre, vyberte možnost Zahrnout další sloupec obsahující popisky.

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

  7. Pokud chcete znovu použít výsledky z předchozího spuštění, vyberte možnost Použít výsledky uložené v mezipaměti za předpokladu, že jsou splněny následující podmínky:

    • Platná mezipaměť existuje z předchozího spuštění.

    • Nastavení vstupních dat a parametrů modulu se od předchozího spuštění nezměnilo.

    Jinak se proces importu opakuje při každém spuštění experimentu.

  8. Spusťte experiment.

Výsledky

Po dokončení trénování:

Výstup označuje skóre predikce normalizované od 0 do 1.

Příklady

Příklady použití Vowpal Wabbitu ve strojové učení najdete v Azure AI Gallery:

Následující video obsahuje názorný postup trénování a vyhodnocování pro Vowpal Wabbit:

Technické poznámky

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

Podporované a nepodporované parametry

Vowpal Wabbit nabízí řadu možností příkazového řádku pro výběr a ladění algoritmů. Úplnou diskuzi o těchto možnostech tady není možné. Doporučujeme zobrazit stránku wikiwebu Vowpal Wabbit.

V nástroji Machine Learning Studio (Classic) se nepodporují následující parametry.

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

    Tyto vlastnosti už modul automaticky konfiguruje.

  • Dále je zakázána možnost, která generuje více výstupů nebo přebírá více vstupů. Patří mezi ně --cbt, --ldaa --wap.

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

Jsou povoleny všechny jiné argumenty než ty, které jsou popsané výše.

Očekávané vstupy

Název Typ Description
Natrénovaný model ILearner – rozhraní Natrénovaný učení
Datová sada Tabulka dat Datová sada, která se má scoredovat

Parametry modulu

Name Rozsah Typ Výchozí Description
Argumenty VW Všechny Řetězec Zadejte argumenty Vowpal Wabbit.

Následující argumenty nejsou podporovány:

- -i
- -p nebo
- -t
Zahrnutí dodatečného sloupce obsahujícího popisky Všechny Logická hodnota false (nepravda) Určete, jestli má komprimovaný soubor obsahovat popisky s predikcemi.
Zadání datového typu VW

SVMLight		 DataType VW Určete, zda je formát souboru SVMLight nebo pro dostupné

Výstupy

Název Typ Description
Datová sada výsledků Tabulka dat Datová sada s výsledky předpovědi

Výjimky

Výjimka Description
Chyba 0001 K výjimce dojde v případě, že se nepovedlo najít jeden nebo více zadaných sloupců datové sady.
Chyba 0003 K výjimce dojde v případě, že jeden nebo více vstupů má hodnotu null nebo je prázdné.
Chyba 0,0004 K výjimce dojde, pokud je parametr menší nebo roven konkrétní hodnotě.
Chyba 0017 K výjimce dojde v případě, že jeden nebo více zadaných sloupců má nepodporovaný typ aktuálním modulem.

seznam chyb, které jsou specifické pro moduly studia (classic), najdete v článku kódy chyb Machine Learning.

seznam výjimek rozhraní API najdete v tématu Machine Learning REST API chybové kódy.

Viz také

Analýza textu
Hashování funkcí
Rozpoznávání pojmenovaných entit
Pro dostupné skóre
Pro model dostupné 7-4 pro vlaky
Pro model dostupné 7-10 pro vlaky
Seznam modulů a-Z