Lista a-Z de módulos de Machine Learning Studio (clásico)

  • Tiempo de lectura: 11 minutos

En este artículo se proporciona una lista ordenada alfabéticamente de los módulos que están disponibles en Azure Machine Learning Studio (clásico).

Sugerencia

Se recomienda a los clientes que usen o evalúen Machine Learning Studio (clásico) que prueben el diseñador de Azure Machine Learning, que proporciona módulos de Machine Learning de arrastrar y colocar, además de escalabilidad, control de versiones y seguridad de la empresa.

Los módulos cubren una amplia gama de características y funciones necesarias para las tareas de aprendizaje automático:

  • Funciones de conversión de datos
  • Funciones de transformación de datos
  • Módulos para ejecutar el script de R o Python
  • Algoritmos, entre los que se incluyen:
    • Árboles de decisión
    • Bosques de decisión
    • Agrupación en clústeres
    • Serie temporal
    • Modelos de recomendación
    • Detección de anomalías

Para buscar un módulo:

Tabla alfabética de módulos

Nombre del módulo Descripción
Adición de columnas Agrega un conjunto de columnas de un conjunto de los a otro.
Adición de filas Anexa un conjunto de filas de un conjunto de datos de entrada al final de otro conjunto de datos.
Aplicar filtro Aplica un filtro a las columnas especificadas de un conjunto de DataSet.
Aplicación de operación matemática Aplica una operación matemática a los valores de columna.
Aplicación de transformaciones de SQL Ejecuta una consulta de SQLite en conjuntos de datos de entrada para transformar los datos.
Aplicación de la transformación Aplica una transformación de datos bien especificada a un conjunto de datos.
Assign Data to Clusters (asignar datos a los clústeres) Asigna datos a los clústeres mediante un modelo de agrupación en clústeres entrenado existente.
Regresión lineal bayesiana Crea un modelo de regresión lineal bayesiana.
Boosted Decision Tree Regression (Regresión del árbol de decisión ampliado) Crea un modelo de regresión mediante el algoritmo de árbol de decisión impulsado.
Crear una transformación de recuento Crea recuentos que se van a usar para compilar características.
Clean Missing Data (limpiar datos faltantes) Especifica cómo controlar los valores que faltan en un conjunto de DataSet.
Recorte de valores Detecta valores atípicos y, a continuación, recorta o reemplaza sus valores.
Cálculo de estadísticas elementales Calcula las estadísticas de Resumen especificadas para las columnas de conjunto de conjuntos seleccionadas.
Detección de idiomas Detecta el idioma de cada línea en el archivo de entrada.
Cálculo de la correlación lineal Calcula la correlación lineal entre los valores de columna de un conjunto de DataSet.
Convertir a ARFF Convierte la entrada de datos en el formato de archivo de relación de atributo que usa el conjunto de herramientas Weka.
Conversión a CSV Convierte la entrada de datos en un formato de valores separados por comas.
Conversión en conjunto de datos Convierte la entrada de datos al formato interno de conjunto de datos utilizado por Azure Machine Learning.
Convertir en valores de indicador Convierte valores de categorías en columnas en valores de indicador.
Convertir en SVMLight Convierte la entrada de datos al formato utilizado por el marco de trabajo de SVMlight.
Convertir en TSV Convierte la entrada de datos al formato delimitado por tabuladores.
Crear modelo R Crea un modelo de R mediante recursos personalizados.
Modelo de validación cruzada Valida de forma cruzada las estimaciones de parámetros para los modelos de clasificación o regresión mediante la partición de los datos.
Regresión de bosque de decisión Crea un modelo de regresión mediante el algoritmo de bosque de decisión.
Detección de idiomas Detecta el idioma de cada línea en el archivo de entrada.
Edición de metadatos Edita los metadatos asociados a las columnas de un conjunto de datos.
Introducción manual de datos Permite introducir y editar conjuntos de valores pequeños escribiendo valores.
Evaluación de módulo Evalúa un modelo de clasificación o regresión puntuado mediante métricas estándar.
Evaluación de la función de probabilidad Ajusta una función de distribución de probabilidad especificada a un conjunto de DataSet.
Evaluate Recommender (Evaluar recomendador) Evalúa la precisión de las predicciones del modelo de recomendación.
Ejecución de script de Python Ejecuta un script de Python de un experimento de Azure Machine Learning.
Ejecución script de R Ejecuta un script de R desde un experimento de Azure Machine Learning.
Exportar una tabla de recuento Exporta los recuentos de una transformación de recuento.
Export Data Escribe un conjunto de datos en direcciones URL web o en diversas formas de almacenamiento basado en la nube en Azure, como tablas, blobs y bases de datos SQL de Azure.

Este módulo se llamaba anteriormente escritor.
Extraer frases clave del texto Extrae palabras y frases clave de una columna de texto.
Extracción de características de n-gramas a partir de texto Crea características de diccionario N-grama y, a continuación, realiza la selección de características en ellas.
Regresión rápida de bosque por cuantiles Crea un modelo de regresión de por cuantiles.
Hash de características Convierte los datos de texto en características codificadas en enteros mediante la biblioteca Vowpal Wabbit.
Selección de características basada en filtros Identifica las características de un conjunto de DataSet que tienen la mayor potencia predictiva.
Filtro FIR Crea un filtro de respuesta finita al impulso para el procesamiento de señales.
Análisis discriminante lineal de Fisher Identifica la combinación lineal de variables de características que pueden agrupar mejor los datos en clases independientes.
Agrupar valores de categorías Agrupa los datos de varias categorías en una nueva categoría.
Agrupación de datos en intervalos Coloca los datos numéricos en ubicaciones.
Filtro IIR Crea un filtro de respuesta infinita al impulso para el procesamiento de señales.
Importar una tabla de recuento Importa recuentos de una tabla de recuento existente.
Import Data Carga datos de orígenes externos en la web o de diferentes formas de almacenamiento basado en la nube en Azure, como tablas, blobs, bases de datos SQL y Azure Cosmos DB. Puede cargar datos de una base de datos de SQL Server local si se ha configurado una puerta de enlace.

Este módulo se llamaba anteriormente lector.
Importación de imágenes Carga imágenes de Azure BLOB Storage en un conjunto de datos.
Combinación de datos Combina dos conjuntos de valores.
Agrupación en clústeres K-Means Configura e inicializa un modelo de agrupación en clústeres K-means.
Asignación de Dirichlet latente Realiza el modelado de temas mediante el uso de la biblioteca de Vowpal Wabbit para la asignación latente Dirichlet (LDA).
Regresión lineal Crea un modelo de regresión lineal.
Cargar un modelo entrenado Obtiene un modelo entrenado que puede usar para puntuar en un experimento.
Filtro de mediana Crea un filtro de mediana que se usa para suavizar los datos para el análisis de tendencias.
Combinar la transformación de recuento Combina dos conjuntos de tablas de recuento.
Modificar los parámetros de la tabla de recuento Crea un conjunto compacto de características basadas en recuentos a partir de tablas de recuento.
Filtro de media móvil Crea un filtro de media móvil que suaviza los datos para el análisis de tendencias.
Bosque de decisión multiclase Crea un modelo de clasificación multiclase mediante el algoritmo de bosque de decisión.
Selva de decisión multiclase Crea un modelo de clasificación multiclase mediante el algoritmo selva de decisión.
Regresión logística multiclase Crea un modelo de clasificación de regresión logística multiclase.
Red neuronal multiclase Crea un modelo de clasificación multiclase mediante un algoritmo de red neuronal.
Reconocimiento de entidades con nombre Reconoce entidades con nombre en una columna de texto.
Regresión de red neuronal Crea un modelo de regresión mediante un algoritmo de red neuronal.
Normalize Data (normalizar datos) Cambia el tamaño de los datos numéricos para restringir los valores del conjunto de datos a un intervalo estándar.
Máquina de vectores de soporte de una clase Crea un modelo de máquina de vectores de soporte de una clase para la detección de anomalías.
Uno frente a todos multiclase Crea un modelo de clasificación multiclase a partir de un conjunto de modelos de clasificación binaria.
Regresión ordinal Crea un modelo de regresión ordinal.
Partición y ejemplo Crea varias particiones de un conjunto de un objeto basándose en el muestreo.
Importancia de la característica de permutación Calcula las puntuaciones de importancia de la característica de permutación de las variables de característica en un modelo entrenado y un conjunto de resultados de prueba.
Detección de anomalías basada en PCA Crea un modelo de detección de anomalías mediante el análisis de componentes principales (PCA).
Regresión de Poisson Crea un modelo de regresión que supone que los datos tienen una distribución de Poisson.
Preprocesamiento de texto Realiza operaciones de limpieza en texto.
Pretrained Cascade Image Classification (clasificación de imágenes en cascada previamente entrenada) Crea un modelo de clasificación de imágenes previamente entrenado para caras frontales mediante la biblioteca OpenCV.
Análisis de componentes principales Calcula un conjunto de características que tienen una dimensionalidad reducida para un aprendizaje más eficaz.
Supresión de filas duplicadas Quita las filas duplicadas de un conjunto de registros.
Reemplazar valores discretos Reemplaza los valores discretos de una columna con valores numéricos basados en otra columna.
Score Matchbox Recommender (puntuar un recomendador de Matchbox) Puntúa las predicciones para un conjunto de resultados mediante el recomendador Matchbox.
Score Model (puntuar modelo) Puntua las predicciones de un modelo de clasificación o regresión entrenado.
Puntuación del modelo 7-4 de Vowpal Wabbit Puntua los datos mediante el sistema de aprendizaje automático de Vowpal Wabbit.

Requiere un modelo entrenado creado con las versiones 7-4 y 7-6 de Vowpal Wabbit.
Puntuación del modelo 7-10 de Vowpal Wabbit Puntua los datos mediante el sistema de aprendizaje automático de Vowpal Wabbit.

Requiere un modelo entrenado creado con Vowpal Wabbit versión 7-10.
Puntuación del modelo 8 de Vowpal Wabbit Puntua los datos mediante el sistema de aprendizaje automático de Vowpal Wabbit desde la interfaz de la línea de comandos.

Requiere un modelo entrenado creado con Vowpal Wabbit versión 8.
Seleccionar columnas de conjunto de datos Selecciona las columnas que se van a incluir o excluir de un conjunto de información en una operación.
SMOTE Aumenta el número de ejemplos de baja incidencia en un conjunto de DataSet mediante el sobremuestreo minoritario sintético.
División de datos Crea particiones de las filas de un conjunto de valores en dos conjuntos distintos.
Resumen de datos Genera un informe básico de estadísticas descriptivas para las columnas de un conjunto de datos.
Agrupación en clústeres de barrido Realiza un barrido de parámetros en un modelo de agrupación en clústeres para determinar la configuración de parámetros óptima.
Probar la hipótesis mediante la prueba T Compara medias de dos conjuntos de recursos mediante una prueba t.
Filtro de umbral Crea un filtro de umbral que restringe los valores.
Detección de anomalías en una series temporal Aprende una tendencia en los datos de serie temporal y, a continuación, usa la tendencia para detectar anomalías.
Train Anomaly Detection Model (entrenar un modelo de detección de anomalías) Entrena un modelo de detector de anomalías y, a continuación, etiqueta los datos del conjunto de entrenamiento.
Entrenamiento del modelo de agrupación en clústeres Entrena un modelo de agrupación en clústeres y, a continuación, asigna datos del conjunto de entrenamiento a los clústeres.
Train Matchbox Recommender (entrenar un recomendador de Matchbox) Entrena una recomendación bayesiana mediante el algoritmo Matchbox.
Train Model (entrenar modelo) Entrena un modelo de clasificación o regresión de un modo supervisado.
Entrenar el modelo 7-4 de Vowpal Wabbit Entrena un modelo desde el sistema de aprendizaje automático de Vowpal Wabbit.

Este módulo es para la compatibilidad con las versiones 7-4 y 7-6 de Vowpal Wabbit.
Entrenar el modelo 7-10 de Vowpal Wabbit Entrena un modelo desde el sistema de aprendizaje automático de Vowpal Wabbit.

Este módulo es para Vowpal Wabbit versión 7-10.
Entrenar el modelo 8 de Vowpal Wabbit Entrena un modelo usando la versión 8 del sistema de aprendizaje automático de Vowpal Wabbit.

Este módulo es para Vowpal Wabbit versión 8.
Tune Model Hyperparameters (Optimizar hiperparámetros del modelo) Realiza un barrido de parámetros en un modelo de regresión o clasificación para determinar la configuración de parámetros óptima.
Perceptrón promedio de dos clases Crea un modelo de clasificación binaria de Perceptrón promedio.
Máquina del punto de Bayes de dos clases Crea un modelo de clasificación binaria de la máquina del punto de Bayes.
Two-Class Boosted Decision Tree (Árbol de decisión promovido por dos clases) Crea un clasificador binario mediante un algoritmo de árbol de decisión impulsado.
Bosque de decisión de dos clases Crea un modelo de clasificación de dos clases mediante el algoritmo de bosque de decisión.
Selva de decisión de dos clases Crea un modelo de clasificación de dos clases mediante el algoritmo selva de decisión.
Máquina de vectores de soporte de dos clases localmente profunda Crea un modelo de clasificación binaria mediante el algoritmo de máquina de vectores de soporte técnico en profundidad local.
Regresión logística de dos clases Crea un modelo de regresión logística de dos clases.
Red neuronal de dos clases Crea un clasificador binario mediante un algoritmo de red neuronal.
Two-Class Support Vector Machine (Máquina de vectores de soporte de dos clases) Crea un modelo de clasificación binaria mediante el algoritmo de máquina de vectores de soporte.
Desempaquetar los conjuntos de datos comprimidos Desempaqueta los conjuntos de valores de un paquete. zip en el almacenamiento de usuario.
Filtro definido por el usuario Crea un filtro de respuesta de impulso infinito o finito personalizado.

Consulte también