Informations de référence sur les algorithmes et les modules du concepteur Azure Machine LearningAlgorithm & module reference for Azure Machine Learning designer

Ce contenu de référence présente le contexte technique de chacun des algorithmes et modules d'apprentissage automatique disponibles dans le concepteur Azure Machine Learning.This reference content provides the technical background on each of the machine learning algorithms and modules available in Azure Machine Learning designer.

Chaque module représente un ensemble de code qui peut s’exécuter indépendamment et effectuer une tâche de Machine Learning en fonction des entrées requises.Each module represents a set of code that can run independently and perform a machine learning task, given the required inputs. Un module peut contenir un algorithme particulier ou effectuer une tâche de Machine Learning importante comme le remplacement de valeur manquante ou l’analyse statistique.A module might contain a particular algorithm, or perform a task that is important in machine learning, such as missing value replacement, or statistical analysis.

Pour savoir quels algorithmes choisir, consultezFor help with choosing algorithms, see

Conseil

Quel que soit le pipeline dans le concepteur, vous pouvez obtenir des informations sur un module spécifique.In any pipeline in the designer, you can get information about a specific module. Sélectionnez le lien En savoir plus dans la carte de module lorsque vous pointez sur le module dans la liste des modules ou dans le volet droit du module.Select the Learn more link in the module card when hovering on the module in the module list, or in the right pane of the module.

Modules de préparation des donnéesData preparation modules

FonctionnalitésFunctionality DescriptionDescription ModuleModule
Entrée et sortie de donnéesData Input and Output Déplacez des données de sources cloud dans votre pipeline.Move data from cloud sources into your pipeline. Écrivez les résultats ou les données intermédiaires dans Stockage Azure, SQL Database ou Hive durant l’exécution d’un pipeline, ou utilisez le stockage cloud pour échanger les données entre les pipelines.Write your results or intermediate data to Azure Storage, SQL Database, or Hive, while running a pipeline, or use cloud storage to exchange data between pipelines. Entrer des données manuellementEnter Data Manually
Exporter les donnéesExport Data
Importer des donnéesImport Data
Transformation des donnéesData Transformation Opérations sur les données qui sont uniques à Machine Learning, telles que la normalisation ou le compartimentage de données, la réduction de dimensionnalité et la conversion de données entre différents formats de fichier.Operations on data that are unique to machine learning, such as normalizing or binning data, dimensionality reduction, and converting data among various file formats. Ajouter des colonnesAdd Columns
Ajouter des lignesAdd Rows
Appliquer une opération mathématiqueApply Math Operation
Appliquer une transformation SQLApply SQL Transformation
Nettoyer les données manquantesClean Missing Data
Détourer les valeursClip Values
Convertir au format CSVConvert to CSV
Convertir en jeu de donnéesConvert to Dataset
Convertir en valeurs d’indicateurConvert to Indicator Values
Modifier des métadonnéesEdit Metadata
Grouper des données dans des compartimentsGroup Data into Bins
Joindre des donnéesJoin Data
Normaliser les donnéesNormalize Data
Partition et échantillonPartition and Sample
Supprimer les données en doubleRemove Duplicate Rows
SMOTESMOTE
Sélectionner une transformation de colonnesSelect Columns Transform
Sélectionner des colonnes dans le jeu de donnéesSelect Columns in Dataset
Fractionner les donnéesSplit Data
Sélection de caractéristiquesFeature Selection Sélectionnez un sous-ensemble de fonctionnalités pertinentes et utiles à utiliser dans la création d’un modèle analytique.Select a subset of relevant, useful features to use in building an analytical model. Sélection de caractéristiques par filtrageFilter Based Feature Selection
Importance de la fonctionnalité de permutationPermutation Feature Importance
Fonctions statistiquesStatistical Functions Fournissez un large éventail de méthodes statistiques relatives à la science des données.Provide a wide variety of statistical methods related to data science. Résumer les donnéesSummarize Data

Algorithmes de Machine LearningMachine learning algorithms

FonctionnalitésFunctionality DescriptionDescription ModuleModule
régression ;Regression Prédisez une valeur.Predict a value. Régression d’arbre de décision boostéBoosted Decision Tree Regression
Régression de forêt d’arbres décisionnelsDecision Forest Regression
Régression quantile de forêt rapideFast Forest Quantile Regression
Régression linéaireLinear Regression
Régression de réseau neuronalNeural Network Regression
Régression de poissonPoisson Regression
ClusteringClustering Regroupez des données.Group data together. Clustering k-moyennesK-Means Clustering
classification ;Classification Prédisez une classe.Predict a class. Choisissez entre des algorithmes binaires (à deux classes) ou multiclasses.Choose from binary (two-class) or multiclass algorithms. Arbre de décision multiclasse optimiséMulticlass Boosted Decision Tree
Forêt d’arbres décisionnels multiclasseMulticlass Decision Forest
Régression logistique multiclasseMulticlass Logistic Regression
Réseau neuronal multiclasseMulticlass Neural Network
Une ou toutes les multiclassesOne vs. All Multiclass
Une ou une multiclasseOne vs. One Multiclass
Perceptron moyenné à deux classesTwo-Class Averaged Perceptron
Arbre de décision optimisé à deux classesTwo-Class Boosted Decision Tree
Forêt d’arbres décisionnels à deux classesTwo-Class Decision Forest
Régression logistique à deux classesTwo-Class Logistic Regression
Réseau neuronal à deux classesTwo-Class Neural Network
Machine à vecteurs de support à deux classesTwo Class Support Vector Machine

Modules pour la génération et l’évaluation de modèlesModules for building and evaluating models

FonctionnalitésFunctionality DescriptionDescription ModuleModule
Apprentissage du modèleModel Training Exécutez des données au moyen de l’algorithme.Run data through the algorithm. Entraîner un modèle de clusteringTrain Clustering Model
Former le modèleTrain Model
Entraîner un modèle PyTorchTrain Pytorch Model
Optimiser les hyperparamètres du modèleTune Model Hyperparameters
Scoring et évaluation d’un modèleModel Scoring and Evaluation Mesurez la précision du modèle entraîné.Measure the accuracy of the trained model. Appliquer une transformationApply Transformation
Attribuer des données à des clustersAssign Data to Clusters
Modèle de validation croiséeCross Validate Model
Évaluer le modèleEvaluate Model
Scorer un modèle d’imageScore Image Model
Noter le modèleScore Model
Langage PythonPython Language Écrivez du code et incorporez-le dans un module pour intégrer Python à votre pipeline.Write code and embed it in a module to integrate Python with your pipeline. Créer un modèle PythonCreate Python Model
Exécuter un script PythonExecute Python Script
Langage RR Language Écrivez du code et incorporez-le dans un module pour intégrer R à votre pipeline.Write code and embed it in a module to integrate R with your pipeline. Exécuter un script RExecute R Script
Analyse de texteText Analytics Fournissez des outils de calcul spécialisés pour travailler avec du texte structuré et non structuré.Provide specialized computational tools for working with both structured and unstructured text. Vectoriser du texteConvert Word to Vector
Extraire les caractéristiques de n-grammes du texteExtract N Gram Features from Text
Hachage des caractéristiquesFeature Hashing
Pré-traiter le textePreprocess Text
Allocation de Dirichlet latenteLatent Dirichlet Allocation
Scorer un modèle Vowpal WabbitScore Vowpal Wabbit Model
Entraîner un modèle Vowpal WabbitTrain Vowpal Wabbit Model
Vision par ordinateurComputer Vision Modules de prétraitement de données d’image et de reconnaissance d’image.Image data preprocessing and Image recognition related modules. Appliquer une transformation d’imageApply Image Transformation
Convertir en répertoire d’imagesConvert to Image Directory
Lancer une transformation d’imageInit Image Transformation
Découper un répertoire d’imagesSplit Image Directory
DenseNetDenseNet
ResNetResNet
RecommandationRecommendation Génération de modèles de recommandation.Build recommendation models. Évaluer le générateur de recommandationsEvaluate Recommender
Noter le générateur de recommandations SVDScore SVD Recommender
Générateur de recommandations Score Wide and DeepScore Wide and Deep Recommender
Entraîner le générateur de recommandations SVDTrain SVD Recommender
Générateur de recommandations Train Wide and DeepTrain Wide and Deep Recommender
Détection des anomaliesAnomaly Detection Créez des modèles de détection des anomalies.Build anomaly detection models. Détection des anomalies basée sur l'analyse en composantes principales (ACP)PCA-Based Anomaly Detection
Former le modèle de détection des anomaliesTrain Anomaly Detection Model

Service WebWeb service

Découvrez les modules de service web nécessaires à l’inférence en temps réel dans le concepteur Azure Machine Learning.Learn about the web service modules which are necessary for real-time inference in Azure Machine Learning designer.

Messages d’erreurError messages

Découvrez les messages d’erreur et codes d’exception que vous pourriez rencontrer en utilisant des modules dans le concepteur Azure Machine Learning.Learn about the error messages and exception codes you might encounter using modules in Azure Machine Learning designer.

Étapes suivantesNext steps