Share via


ML Studio (klasszikus) modul adattípusok

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.

A (klasszikus) ML Studio dokumentációjának kivezetése folyamatban van, és a jövőben nem várható a frissítése.

Ez a cikk a külső adatokhoz a Machine Learning Studio (klasszikus) által támogatott .NET-adattípusokat ismerteti. Emellett azokat az egyéni adattípus-osztályokat is ismerteti, amelyek a kísérletek moduljai közötti adatátkísérletek közötti adatátkísérletek során használatosak.

.NET-adattípusok táblázata

Az alábbi .NET-típusokat a Machine Learning Studio (klasszikus) moduljai támogatják.

.NET-adattípus Megjegyzések
Logikai https://msdn.microsoft.com/library/wts33hb3.aspx
Int16 https://msdn.microsoft.com/library/system.int16(v=vs.110).aspx
Int32 https://msdn.microsoft.com/library/06bkb8w2.aspx
Int64 https://msdn.microsoft.com/library/system.int64.aspx
Egyirányú https://msdn.microsoft.com/library/system.single(v=vs.110).aspx
Dupla https://msdn.microsoft.com/library/system.double(v=vs.110).aspx
Sztring https://msdn.microsoft.com/library/system.string(v=vs.110).aspx
dátum/idő https://msdn.microsoft.com/library/system.datetime(v=vs.110).aspx
DateTimeOffset (Dátum és idő lefolyása) https://msdn.microsoft.com/library/system.datetimeoffset(v=vs.110).aspx
időtartam https://msdn.microsoft.com/library/system.timespan(v=vs.110).aspx
Bájt https://msdn.microsoft.com/library/system.byte(v=vs.110).aspx
Bájt[] https://msdn.microsoft.com/library/system.byte.aspx
Guid A GUID-azonosítók sztringekká vannak konvertálva a bemeneten

Egyéni adattípusok táblázata

Emellett a Machine Learning Studio (klasszikus) a következő egyéni adatosztályokat támogatja.

Adattípus Leírás
Adattábla A DataTable interfész határozza meg a Machine Learning.
ICluster interfész Az ICluster felület határozza meg a fürtözési modellek struktúráját.
IFilter interfész Az IFilter interfész a numerikus értékek teljes sorozatára alkalmazott digitális jelfeldolgozási szűrők struktúráját határozza meg. Szűrőket lehet létrehozni, majd menteni és alkalmazni egy új sorozatra.
ILearner interfész Az ILearner interfész általános struktúrát biztosít elemzési modellek meghatározásához és mentéséhez, kivéve néhány speciális típust, például a fürtözési modelleket.
ITransform interfész Az ITransform interfész általános szerkezetet biztosít az átalakítások definiálása és mentése érdekében. Az iTransformot a Machine Learning Studio (klasszikus) használatával hozhatja létre, majd alkalmazhatja az átalakítást az új adatkészletekre.

Lásd még

Machine Learning Studio (klasszikus)