Convertir en jeu de données

  • Article

Cet article explique comment utiliser le composant Convertir en jeu de données du concepteur Azure Machine Learning pour convertir des données d’un pipeline au format interne du concepteur.

La conversion n’est pas obligatoire dans la plupart des cas. Azure Machine Learning convertit implicitement les données au format de jeu de données natif quand une opération est effectuée sur les données.

Nous recommandons d’enregistrer les données au format de jeu de données si vous avez effectué une normalisation ou un nettoyage sur un jeu de données et que vous souhaitez vous assurer que les modifications sont utilisées dans d’autres pipelines.

Notes

Le module Convertir en jeu de données change uniquement le format des données. Il n’enregistre pas une nouvelle copie des données dans l’espace de travail. Pour enregistrer le jeu de données, double-cliquez sur le port de sortie, sélectionnez Enregistrer comme jeu de données, puis entrez un nouveau nom.

Comment utiliser le module Convertir en jeu de données

Nous vous recommandons d’utiliser le composant Modifier les métadonnées pour préparer le jeu de données avant d’utiliser le composant Convertir en jeu de données. Vous pouvez ajouter ou changer des noms de colonnes, ajuster des types de données et effectuer d’autres modifications éventuellement requises.

  1. Ajoutez le composant Convertir en jeu de données à votre pipeline. Ce composant se trouve dans la catégorie Transformation des données dans le concepteur.

  2. Connectez-le à n’importe quel composant qui génère un jeu de données.

    Tant que les données sont tabulaires, vous pouvez les convertir en jeu de données. Cela inclut les données chargées via le module Importer des données, les données créées via le module Entrer des données manuellement ou les jeux de données transformés via le module Appliquer une transformation.

  3. Dans la liste déroulante Action, indiquez si vous souhaitez effectuer un nettoyage des données avant d’enregistrer le jeu de données :

    • Aucun : utilisez les données telles quelles.

    • Définir une valeur manquante : affectez une valeur spécifique à une valeur manquante dans le jeu de données. L’espace réservé par défaut est le caractère point d’interrogation (?), mais vous pouvez utiliser l’option Valeur manquante personnalisée pour entrer une autre valeur. Par exemple, si vous entrez Taxi pour Valeur manquante personnalisée, toutes les instances de Taxi dans le jeu de données sont remplacées par la valeur manquante.

    • Remplacer des valeurs : utilisez cette option pour spécifier une seule valeur exacte à remplacer par toute autre valeur exacte. Vous pouvez remplacer des valeurs manquantes ou des valeurs personnalisées en définissant la méthode Remplacer :

      • Manquant : choisissez cette option pour remplacer des valeurs manquantes dans le jeu de données d’entrée. Pour Nouvelle valeur, entrez la valeur qui remplacera les valeurs manquantes.
      • Personnalisé : choisissez cette option pour remplacer des valeurs personnalisées dans le jeu de données d’entrée. Pour Valeur personnalisée, entrez la valeur que vous souhaitez rechercher. Par exemple, si vos données contiennent la chaîne obs en guise d’espace réservé pour les valeurs manquantes, vous entrez obs. Pour Nouvelle valeur, entrez la nouvelle valeur qui remplacera la chaîne d’origine.

    Notez que l’opération Remplacer des valeurs s’applique uniquement aux correspondances exactes. Par exemple, ces chaînes ne sont pas affectées : obs., obsolete.

  4. Envoyez le pipeline.

Résultats

  • Pour enregistrer le jeu de données résultant sous un nouveau nom, sélectionnez l’icône Inscrire le jeu de données sous l’onglet Sorties dans le volet droit du composant.

Notes techniques

  • Tout composant qui accepte un jeu de données comme entrée peut également prendre des données dans le fichier CSV ou TSV. Avant l’exécution de tout code de composant, les entrées sont prétraitées. Le prétraitement équivaut à exécuter le composant Convertir en jeu de données sur l’entrée.

  • Vous ne pouvez pas effectuer la conversion du format SVMLight en jeu de données.

  • Quand vous spécifiez une opération de remplacement personnalisé, l’opération de recherche et de remplacement s’applique à des valeurs complètes. Les correspondances partielles ne sont pas autorisées. Par exemple, vous pouvez remplacer un 3 par -1 ou 33, mais vous ne pouvez pas remplacer un 3 dans un nombre à deux chiffres, tel que 35.

  • Pour les opérations de remplacement personnalisé, le remplacement échoue silencieusement si vous utilisez comme remplacement tout caractère qui n’est pas conforme au type de données actuel de la colonne.

Étapes suivantes

Consultez les composants disponibles pour Azure Machine Learning.