A Machine Learning Studio (klasszikus) moduljainak A-Z listája
Fontos
A (klasszikus) Machine Learning Studio támogatása 2024. augusztus 31-én megszűnik. Javasoljuk, hogy addig térjen át az Azure Machine Learning használatára.
2021. december 1-től kezdve nem fog tudni létrehozni új (klasszikus) Machine Learning Studio-erőforrásokat. 2024. augusztus 31-ig továbbra is használhatja a meglévő (klasszikus) Machine Learning Studio-erőforrásokat.
- További információ a gépi tanulási projektek a ML Studióból a klasszikusból a Azure Machine Learning.
- További információ a Azure Machine Learning.
A (klasszikus) ML Studio dokumentációjának kivezetése folyamatban van, és a jövőben nem várható a frissítése.
Tipp
A jelenleg Machine Learning Studiót (klasszikus) használó ügyfeleknek javasoljuk, hogy próbálják ki az Azure Machine Learning-tervezőt, amely az egérrel kezelhető ML-modulokat, valamint a skálázhatóságot, a verziókövetést és a vállalati biztonságot is biztosítja.
A modulok a gépi tanulási feladatokhoz szükséges funkciók és funkciók széles körét fedik le:
- Adatkonverziós függvények
- Adatátalakítási függvények
- R- vagy Python-szkriptek végrehozás moduljai
- Algoritmusok, beleértve a következőket:
- Döntési fák
- Döntési erdők
- Fürtözés
- idősorok
- Javaslatmodellek
- Rendellenességek észlelése
Modul megkeresve:
- Ha ismeri a modul nevét, indexként használja a betűrendbe szedve egy adott modult vagy algoritmust.
- A modulok funkcionális kategóriánkénti listájáért lásd: Modulkategóriák és -leírások.
Modulok betűrend szerinti táblázata
Modul neve | Description |
---|---|
Oszlopok hozzáadása | Oszlopokat ad hozzá egy adatkészletből egy másikba. |
Sorok hozzáadása | Sorokat fűz hozzá egy bemeneti adatkészletből egy másik adatkészlet végéhez. |
Szűrő alkalmazása | Szűrőt alkalmaz egy adatkészlet megadott oszlopaira. |
Matematikai művelet alkalmazása | Matematikai műveletet alkalmaz az oszlopok értékeire. |
SQL-átalakítás alkalmazása | SQLite-lekérdezést futtat a bemeneti adatkészleten az adatok átalakításához. |
Átalakítás alkalmazása | Jól meghatározott adatátalakítást alkalmaz egy adatkészleten. |
Adatok hozzárendelése fürtökhöz | Egy meglévő betanított fürtözési modellel rendel hozzá adatokat a fürtökhöz. |
Bayes-irányú lineáris regresszió | Létrehoz egy Bayes-irányú lineáris regressziós modellt. |
Súlyozott döntési fa típusú regresszió | Regressziós modellt hoz létre a megnövelt döntésifa-algoritmussal. |
Számláló átalakítása | Számokat hoz létre a funkciók felépítéséhez. |
Hiányzó adatok törlése | Megadja, hogyan kezelje az adatkészletből hiányzó értékeket. |
Értékek levágása | Észleli a kieső értékeket, majd videóklipeket készíthet, vagy lecserélheti azok értékeit. |
Számítási elemi statisztika | Kiszámítja a megadott összefoglaló statisztikákat a kiválasztott adatkészlet-oszlopokhoz. |
Nyelvek felismerése | Észleli a bemeneti fájl egyes sorai nyelvét. |
Számítási lineáris korreláció | Kiszámítja egy adatkészlet oszlopértékei közötti lineáris korrelációt. |
Konvertálás ARFF-be | Átalakítja az adatbevitelt a Weka eszközkészlet által használt attribútumrelációs fájlformátumra. |
Konvertálás CSV formátumba | Vesszővel elválasztott értékformátumra konvertálja az adatbevitelt. |
Átalakítás adathalmazzá | Átalakítja az adatbemenetet az adattitkok által használt belső Machine Learning. |
Átalakítás mutatóértékekké | Átalakítja az oszlopok kategorikus értékeit jelző értékekké. |
Átalakítás SVMLightra | Átalakítja az adatbevitelt az SVMlight keretrendszer által használt formátumra. |
Konvertálás TSV-ként | Átalakítja az adatbevitelt tabulátorral tagolt formátumba. |
R-modell létrehozása | Egyéni erőforrások használatával létrehoz egy R-modellt. |
Modell keresztvalyent ellenőrzése | Keresztszabja a besorolási vagy regressziós modellek paraméterbecslését az adatok particionálása által. |
Döntési erdő típusú regresszió | Regressziós modellt hoz létre a döntési erdő algoritmusával. |
Nyelvek felismerése | Észleli a bemeneti fájl egyes sorai nyelvét. |
Metaadatok szerkesztése | Egy adatkészlet oszlopainak metaadatait szerkeszti. |
Manuális adatbevitel | Lehetővé teszi kis adatkészletek bevitelét és szerkesztését értékek beírásával. |
Modell értékelése | Kiértékel egy pontozásos besorolási vagy regressziós modellt standard metrikák használatával. |
Valószínűségi függvény kiértékelése | Egy megadott valószínűségelosztási függvényt egy adatkészlethez illeszkedik. |
Ajánló értékelése | Kiértékeli az ajánló modell előrejelzésének pontosságát. |
Python-szkript futtatása | Végrehajt egy Python-szkriptet egy Machine Learning kísérletből. |
R-szkript végrehajtása | R-szkriptet hajt végre egy Machine Learning kísérletből. |
Darabszámtábla exportálása | Darabszámok exportálása egy számlálási átalakításból. |
Adatok exportálása | Webes URL-címekre vagy az Azure-beli felhőalapú tárolók különböző formáiba(például táblákba, blobokba és adatbázisokba) ír egy adatkészletet, Azure SQL adatokat. Ez a modul korábban Író volt. |
Kulcskifejezések kinyerása szövegből | Kinyeri a szavakat és kifejezéseket egy szöveges oszlopból. |
N-Gram-funkciók kinyerése szövegből | Létrehozza az N-Gram szótár funkcióit, majd ki is válogatja őket. |
Gyors erdő típusú kvantilis regresszió | Kvantilises regressziós modellt hoz létre. |
Funkciókivonatolás | A Vowpal Wabbit kódtár használatával egész szám kódolású jellemzőkké alakítja át a szöveges adatokat. |
Szűrőalapú szolgáltatásválasztás | Azonosítja az adatkészlet legnagyobb prediktív teljesítményéhez szükséges jellemzőket. |
FIR-szűrő | Véges válaszszűrőt hoz létre a jelfeldolgozáshoz. |
Fisher Linear Discriminant Analysis | Azonosítja az olyan jellemzőváltozók lineáris kombinációját, amelyek a legjobban csoportosítják az adatokat külön osztályokba. |
Csoportkategorikus értékek | Több kategóriából származó adatokat egy új kategóriába sorol. |
Adatok csoportosítása intervallumokba | Numerikus adatokat helyez tárolókba. |
IIR-szűrő | Végtelen válaszszűrőt hoz létre a jelfeldolgozáshoz. |
Darabszámtábla importálása | Egy meglévő darabszámtáblából importálja a darabszámokat. |
Adatok importálása | Betölti az adatokat a webes külső forrásokból vagy az Azure-beli felhőalapú tárolók különféle formáiból, például táblákból, blobokból, SQL adatbázisokból és Azure Cosmos DB. Be tudja tölteni az adatokat egy helyszíni SQL Server adatbázisból, ha konfigurálva van átjáró. Ezt a modult korábban Olvasónak nevezni. |
Képek importálása | Képeket tölt be az Azure Blob Storage-ból egy adatkészletbe. |
Csatlakozás adatokhoz | Két adatkészletet egyes ad. |
K-közép csoportosítás | Konfigurál és inicializál egy K-means fürtözési modellt. |
Rejtett Dirichlet-lefoglalás | Témakörmodellezést végez a Vowpal Wabbit kódtár használatával a rejtett Di automatikus kiosztáshoz (LDA). |
Lineáris regresszió | Lineáris regressziós modellt hoz létre. |
Betanított modell betöltése | Lekért egy betanított modellt, amely pontozásra használható egy kísérletben. |
Mediánszűrő | Létrehoz egy mediánszűrőt, amely a trendelemzéshez használt adatok simítására használható. |
Egyesítési szám átalakítása | Két darabszámtáblát egyesít. |
Táblaparaméterek darabszámának módosítása | Számalapú funkciók kompakt készletét építi ki a számlálási táblákból. |
Mozgóátlag szűrő | Mozgóátlag szűrőt hoz létre, amely elsimítja az adatokat a trendelemzéshez. |
Többosztályos döntési erdő | Többosztályos besorolási modellt hoz létre a döntési erdő algoritmusával. |
Többosztályos döntéshozás | Többosztályos besorolási modellt hoz létre a döntési algoritmus használatával. |
Többosztályos logisztikai regresszió | Többosztályos logisztikai regressziós besorolási modellt hoz létre. |
Többosztályos neurális hálózat | Többosztályos besorolási modellt hoz létre egy neurális hálózati algoritmussal. |
Megnevezett entitások felismerése | Felismeri a szöveges oszlop nevestű entitásokat. |
Neurális hálózat típusú regresszió | Regressziós modellt hoz létre egy neurális hálózati algoritmussal. |
Adatok normalizálása | Újraméretez numerikus adatokat, hogy az adatkészletek értékeit standard tartományra korlátozza. |
Egyosztályos támogatóvektor-gép | Egyosztályos támogatóvektor-gépmodellt hoz létre az anomáliadetektáláshoz. |
One-vs-All Multiclass | Többosztályos besorolási modellt hoz létre bináris besorolási modellek együttese alapján. |
Sorszámregresszió | Létrehoz egy sorszámregressziós modellt. |
Partíció és minta | Mintavételezés alapján több partíciót hoz létre egy adatkészletből. |
A permutáció funkció fontossága | Kiszámítja a permutációs funkció fontosságpontszámait egy betanított modellben és egy tesztadatkészletben. |
PCA-alapú rendellenesség-észlelés | Anomáliadetektálási modellt hoz létre a fő összetevő-elemzés (PCA) használatával. |
Poisson-regresszió | Létrehoz egy regressziós modellt, amely feltételezi, hogy az adatok eloszlása Poisson-eloszlás. |
Szöveg előfeldolgozása | Tisztítási műveleteket végez a szövegen. |
Előre korlátozott kaszkádolt képbesorolás | Előképbesorolási modellt hoz létre az előlapi arcok számára az OpenCV-kódtár használatával. |
Fő összetevő elemzése | Olyan funkciókat számít ki, amelyek alacsonyabb dimenzióval rendelkezik a hatékonyabb tanulás érdekében. |
Ismétlődő sorok eltávolítása | Eltávolítja a duplikált sorokat egy adatkészletből. |
Különálló értékek cseréje | Felváltja az egyik oszlop különálló értékeit egy másik oszlopon alapuló numerikus értékekre. |
Matchbox ajánló pontozása | Egy adatkészletre vonatkozó pontszám-előrejelzések a Matchbox ajánló használatával. |
Relevanciamodell | Betanított besorolási vagy regressziós modell pontszám-előrejelzései. |
Vowpal Wabbit 7-4 modell pontozása | A Vowpal Wabbit gépi tanulási rendszer használatával pontja az adatokat. A Vowpal Wabbit 7-4-es és 7-6-os verzióival készült betanított modellt igényel. |
Vowpal Wabbit 7-10 modell pontozása | A Vowpal Wabbit gépi tanulási rendszer használatával pontja az adatokat. A Vowpal Wabbit 7-10-es verziójával készült betanított modellt igényel. |
Vowpal Wabbit 8 modell pontozása | A Vowpal Wabbit gépi tanulási rendszer parancssori felületéről pontokat ad az adatokra. A Vowpal Wabbit 8-as verziójával készült betanított modellt igényel. |
Adathalmaz oszlopainak kiválasztása | Kiválasztja azokat az oszlopokat, amelyek egy műveletben szerepeltetnek vagy kizárnak egy adatkészletből. |
SMOTE | Szintetikus kisebbség-túlbélyegző használatával növeli az adatkészletben az alacsony előfordulású példák számát. |
Adatok felosztása | Egy adatkészlet sorait két különálló készletre particionálta. |
Adatok összegzése | Alapszintű leíró statisztikai jelentést hoz létre az adatkészlet oszlopai számára. |
Fürtözéses fürtszolgáltatás | Paraméteres átvizsgálás végrehajtása egy fürtözési modellen az optimális paraméterbeállítások meghatározásához. |
Hipotézis tesztelése T-test használatával | Összehasonlítja két adatkészletből származó adatokat egy t-test használatával. |
Küszöbérték-szűrő | Egy küszöbértékszűrőt hoz létre, amely korlátozza az értékeket. |
Time Series-anomáliadetektálás | Megtanulja az idősorozat-adatok trendjét, majd a trend alapján észleli az anomáliákat. |
Rendellenesség-észlelési modell betanítása | Betanít egy anomáliadetektor-modellt, majd felcímkézi a betanításkészletből származó adatokat. |
Csoportosítási modell betanítása | Betanít egy fürtözési modellt, majd hozzárendeli a betanításkészletből származó adatokat a fürtökhöz. |
Matchbox-ajánló betanítás | Egy Bayes-ajánlást a Matchbox algoritmussal való beoktat. |
Modell betanítása | Besorolási vagy regressziós modell felügyelt módon történő beképzése. |
Vowpal Wabbit 7-4 modell betanítás | Modell tanítása a Vowpal Wabbit gépi tanulási rendszerből. Ez a modul a Vowpal Wabbit 7-4-es és 7-6-os verzióival való kompatibilitást biztosítja. |
Vowpal Wabbit 7-10 modell betanítás | Modell tanítása a Vowpal Wabbit gépi tanulási rendszerből. Ez a modul a Vowpal Wabbit 7-10-es verziójához való. |
Vowpal Wabbit 8 modell betanítás | Modell tanítása a Vowpal Wabbit gépi tanulási rendszer 8. verziójával. Ez a modul a Vowpal Wabbit 8-as verziójához való. |
Modell-hiperparaméterek hangolása | Paraméteres átvizsgálást végez egy regressziós vagy besorolási modellen az optimális paraméterbeállítások meghatározásához. |
Kétosztályos átlagolt perceptron | Egy átlagos perceptron bináris besorolási modellt hoz létre. |
Kétosztályos Bayes-pont gép | Létrehoz egy Bayes-pont gép bináris besorolási modelljét. |
Kétosztályos súlyozott döntési fa | Bináris osztályozót hoz létre egy megnövelt döntésifa-algoritmussal. |
Kétosztályos döntési erdő | Létrehoz egy kétosztályos besorolási modellt a döntési erdő algoritmusával. |
Kétosztályos döntéshozás | Létrehoz egy kétosztályos besorolási modellt a döntési algoritmus használatával. |
Kétosztályos helyi mély támogatóvektor-gép | Bináris besorolási modellt hoz létre a helyi mély támogatóvektor-gép algoritmusával. |
Kétosztályos logisztikai regresszió | Létrehoz egy kétosztályos logisztikai regressziós modellt. |
Kétosztályos neurális hálózat | Bináris osztályozót hoz létre egy neurális hálózati algoritmussal. |
Kétosztályos támogató vektorgép | Bináris besorolási modellt hoz létre a támogatóvektor-gépi algoritmus használatával. |
Tömörített adatkészletek kicsomagolása | Kicsomagolja az adatkészleteket egy .zip a felhasználói tárolóban található csomagból. |
Felhasználó által megadott szűrő | Létrehoz egy egyéni véges vagy végtelen válaszszűrőt. |