Aplicación de la transformación

Aplica una transformación de datos correctamente especificados a un conjunto de datos.

Categoría: machine learning/puntuación

Nota

Se aplica a: machine learning Studio (clásico)

Este contenido solo pertenece a Studio (clásico). Se han agregado módulos similares de arrastrar y colocar al diseñador de Azure Machine Learning. Obtenga más información en este artículo comparativa de las dos versiones.

Información general sobre el módulo

En este artículo se describe cómo usar el módulo aplicar transformación en Azure machine learning Studio (clásico) para modificar un conjunto de datos de entrada basado en una transformación calculada previamente.

Por ejemplo, si usa puntuaciones z para normalizar los datos de aprendizaje utilizando el nódulo Normalizar datos, tendrá que usar el valor de puntuación z que se calculó para el aprendizaje durante la fase de puntuación. En Azure Machine Learning Studio (clásico), puede hacerlo fácilmente si guarda el método de normalización como una transformación y, a continuación, usa aplicar transformación para aplicar la puntuación z a los datos de entrada antes de la puntuación.

Azure Machine Learning Studio (clásico) proporciona compatibilidad para crear y, a continuación, aplicar muchos tipos diferentes de transformaciones personalizadas. Por ejemplo, puede que desee guardar y volver a usar las transformaciones que hacen lo siguiente:

Cómo se usa Aplicar transformación

  1. Agregue el módulo Aplicar transformación al experimento. Puede encontrar el módulo en machine learning, en la categoría puntuación .

  2. Busque una transformación existente para usarla como entrada.

    Si la transformación se creó anteriormente en el experimento (por ejemplo, como parte de una operación de limpieza o de escalado de datos), normalmente el objeto de interfaz ITransform está disponible en el resultado de la derecha del módulo. Conecte la salida a la entrada izquierda de aplicar transformación.

    Las transformaciones guardadas anteriormente se pueden encontrar en el grupo Transformaciones del panel de navegación izquierdo.

    Sugerencia

    Si diseña una transformación para un experimento pero no la guarda explícitamente, la transformación estará disponible en el área de trabajo siempre que la sesión esté abierta. Si cierra la sesión pero no guarda la transformación, puede volver a ejecutar el experimento para generar el objeto de interfaz ITransform .

  3. Conecte el conjunto de datos que quiera transformar. El conjunto de datos debe tener exactamente el mismo esquema (número de columnas, nombres de columna, tipos de datos) que el conjunto de datos para el que la transformación se ha diseñó inicialmente.

  4. No es necesario establecer otros parámetros; todas las personalizaciones se realizan al definir la transformación.

  5. Para aplicar una transformación al nuevo conjunto de datos, ejecute el experimento.

Ejemplos

Para ver cómo se usa este módulo en el aprendizaje automático, consulte la Azure AI Gallery:

Notas técnicas

El módulo aplicar transformación puede tomar como entrada la salida de cualquier módulo que cree una interfaz ITransform. Entre estos módulos se incluyen:

Sugerencia

También puede guardar y volver a usar filtros diseñados para el procesamiento de señales digitales. Sin embargo, los filtros usan la interfaz de interfaz de IFilter , en lugar de la interfaz ITransform.

Entradas esperadas

Nombre Tipo Descripción
Transformación Interfaz ITransform Una transformación de datos unitaria
Dataset Tabla de datos Conjunto de datos que se desea transformar

Salidas

Nombre Tipo Descripción
Conjunto de datos transformado Tabla de datos Conjunto de datos transformado

Excepciones

Excepción Descripción
Error 0003 Se produce una excepción si una o varias de las entradas son NULL o están vacías.

Para obtener una lista de los errores específicos de los módulos de Studio (clásico), consulte Machine Learning de los códigos de error.

Para obtener una lista de excepciones de API, consulte códigos de error de la API de REST de machine learning.

Consulte también

Filtro
Aplicar transformación de SQL
Limpiar los datos que faltan
Normalizar datos
Lista de módulos a-Z
Agrupación de datos en intervalos