Lista A-Z de Machine Learning Studio (clásico)

  • Artículo

Importante

El soporte técnico de Machine Learning Studio (clásico) finalizará el 31 de agosto de 2024. Se recomienda realizar la transición a Azure Machine Learning antes de esa fecha.

A partir del 1 de diciembre de 2021 no se podrán crear recursos de Machine Learning Studio (clásico). Hasta el 31 de agosto de 2024, puede seguir usando los recursos de Machine Learning Studio (clásico) existentes.

La documentación de ML Studio (clásico) se está retirando y es posible que no se actualice en el futuro.

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 scripts de R o Python
  • Algoritmos, incluidos:
    • 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 datos 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 datos.
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 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 potenciado.
Crear una transformación de recuento Crea recuentos que se usan para compilar características.
Clean Missing Data (limpiar datos faltantes) Especifica cómo controlar los valores que faltan en un conjunto de datos.
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 datos seleccionadas.
Detección de idiomas Detecta el idioma de cada línea del archivo de entrada.
Cálculo de la correlación lineal Calcula la correlación lineal entre los valores de columna de un conjunto de datos.
Convertir a ARFF Convierte la entrada de datos en el formato de archivo de relación de atributo que usa el conjunto de herramientas de 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 de conjunto de datos interno que usa Machine Learning.
Convertir en valores de indicador Convierte los valores categóricos de las columnas en valores de indicador.
Convertir en SVMLight Convierte la entrada de datos al formato que usa el marco SVMlight.
Convertir en TSV Convierte la entrada de datos al formato delimitado por tabulaciones.
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 creación de particiones 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 del archivo de entrada.
Edición de metadatos Edita los metadatos asociados a las columnas de un conjunto de datos.
Introducción manual de datos Permite escribir y editar conjuntos de datos 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 datos.
Evaluate Recommender (Evaluar recomendador) Evalúa la precisión de las predicciones del modelo del recomendador.
Ejecución de script de Python Ejecuta un script de Python desde un Machine Learning experimento.
Ejecución script de R Ejecuta un script de R desde un Machine Learning anterior.
Exportar una tabla de recuento Exporta recuentos de una transformación de recuento.
Export Data Escribe un conjunto de datos en direcciones URL web o en varias formas de almacenamiento basado en la nube en Azure, como tablas, blobs y bases Azure SQL datos.

Este módulo se denominaba anteriormente Writer.
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 de n-gramas y, a continuación, realiza la selección de características en ellas.
Regresión rápida de bosque por cuantiles Crea un modelo de regresión de cuantiles.
Hash de características Convierte los datos de texto en características codificadas con enteros mediante la biblioteca Vowpal Wabbit.
Selección de características basada en filtros Identifica las características de un conjunto de datos que tienen la mayor potencia predictiva.
Filtro FIR Crea un filtro finito de respuesta de 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 cubos.
Filtro IIR Crea un filtro de respuesta de impulso infinito para el procesamiento de señales.
Importar una tabla de recuento Importa recuentos de una tabla de recuento existente.
Import Data Carga datos desde orígenes externos en la web o desde varias formas de almacenamiento basado en la nube en Azure, como tablas, blobs, bases de datos SQL y Azure Cosmos DB. Puede cargar datos desde una base de datos SQL Server local si se ha configurado una puerta de enlace.

Este módulo se denominaba anteriormente Lector.
Importación de imágenes Carga imágenes de Azure Blob Storage en un conjunto de datos.
Combinación de datos Une dos conjuntos de datos.
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 la biblioteca Vowpal Wabbit para la asignación latente de 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 recuento 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 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) Vuelve a escalar 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 datos en función del muestreo.
Importancia de la característica de permutación Calcula las puntuaciones de importancia de las características de permutación de variables de características en un modelo entrenado y un conjunto de datos de prueba.
Detección de anomalías basada en PCA Crea un modelo de detección de anomalías mediante 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 el 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 filas duplicadas de un conjunto de datos.
Reemplazar valores discretos Reemplaza los valores discretos de una columna por valores numéricos basados en otra columna.
Score Matchbox Recommender (puntuar un recomendador de Matchbox) Puntua las predicciones de un conjunto de datos mediante el recomendador Matchbox.
Score Model (puntuar modelo) Puntua las predicciones para un modelo entrenado de clasificación o regresión.
Puntuación del modelo 7-4 de Vowpal Wabbit Puntúa los datos mediante el sistema de aprendizaje automático Vowpal Wabbit.

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

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

Requiere un modelo entrenado creado mediante Vowpal Wabbit versión 8.
Seleccionar columnas de conjunto de datos Selecciona las columnas que se incluirán o excluirán de un conjunto de datos en una operación.
SMOTE Aumenta el número de ejemplos de baja incidencia en un conjunto de datos mediante el uso de sobremuestreo minoritario sintético.
División de datos Divide las filas de un conjunto de datos en dos conjuntos distintos.
Resumen de datos Genera un informe de estadísticas descriptivo básico 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 óptima de los parámetros.
Hipótesis de prueba mediante T-Test Compara los medios de dos conjuntos de datos 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 un recomendador bayesiano mediante el algoritmo Matchbox.
Train Model (entrenar modelo) Entrena un modelo de clasificación o regresión de forma supervisada.
Entrenar el modelo 7-4 de Vowpal Wabbit Entrena un modelo desde el sistema de aprendizaje automático 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 Vowpal Wabbit.

Este módulo es para Vowpal Wabbit, versión 7-10.
Entrenar el modelo 8 de Vowpal Wabbit Entrena un modelo mediante la versión 8 del sistema de aprendizaje automático 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 óptima de los parámetros.
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 máquina de punto bayes.
Two-Class Boosted Decision Tree (Árbol de decisión promovido por dos clases) Crea un clasificador binario mediante un algoritmo de árbol de decisión potenciado.
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 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 compatibilidad localmente profundo.
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 Desempaquete los conjuntos de datos de .zip paquete en el almacenamiento de usuario.
Filtro definido por el usuario Crea un filtro de respuesta de impulso finito o infinito personalizado.

Consulte también