Vowpal Wabbit 8-as verziójú modell pontozása
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.
Adatok pontba való beszúrása a Vowpal Wabbit gépi tanulási rendszerrel a parancssori felületről
Kategória: Text Analytics
Megjegyzés
A következőkre vonatkozik: Machine Learning Studio (klasszikus)
Hasonló húzással használható modulok érhetők el Azure Machine Learning tervezőben.
A modul áttekintése
Ez a cikk azt ismerteti, hogyan használható a Vowpal Wabbit 8-as verziójú modell pontozása modul a Machine Learning Studióban (klasszikus) bemeneti adatok pontszámainak létrehozásához egy meglévő betanított Vowpal Wabbit modell használatával.
Ez a modul a Vowpal Wabbit keretrendszer 8-as verziójának legújabb verzióját biztosítja. Ezzel a modullal pontozást végezhet egy VW 8-as verziójú formátumban mentett betanított modellel.
Ha már létrehozott modelleket egy korábbi verzióval, használja az alábbi modulokat:
A Vowpal Wabbit Model 8 pontozásának konfigurálása
Adja hozzá a Vowpal Wabbit 8-as verziójú modell pontozása modult a kísérlethez.
Adjon hozzá egy betanított Vowpal Wabbit modellt, és csatlakoztassa a bal oldali bemeneti porthoz. Használhat egy ugyanabban a kísérletben létrehozott betanított modellt, vagy megkereshet egy mentett modellt a Studio (klasszikus) Betanított modellek csoportjában a bal oldali navigációs panelen. A modellnek azonban elérhetőnek kell lennie a Machine Learning Studióban (klasszikus); nem lehet közvetlenül betölteni a modellt az Azure Storage-ból.
Megjegyzés
Csak a Vowpal Wabbit 8 modellek támogatottak; nem csatlakoztathat más algoritmusokkal betanított mentett modelleket, és nem használhat korábbi verziók használatával betanított modelleket.
A VW-argumentumok szövegmezőbe írja be a Vowpal Wabbit végrehajtható fájl érvényes parancssori argumentumkészletét.
Arról, hogy mely Vowpal Wabbit argumentumok támogatottak és melyek nem támogatottak a Machine Learning, tekintse meg a Műszaki megjegyzések szakaszt.
Kattintson az Adattípus megadása elemre, és válassza ki a támogatott adattípusok valamelyikét a listából.
A pontozáshoz egyetlen oszlopra van szükség a VW-kompatibilis adatokból.
Ha van egy SVMLight vagy VW formátumban létrehozott meglévő fájlja, betöltheti azt az Azure ML-munkaterületre új adatkészletként a következő formátumok egyikében: Általános CSV fejléc nélkül, TSV fejléc nélkül.
A VW kapcsoló megköveteli, hogy a címke jelen legyen, de a pontozáshoz csak összehasonlításhoz használja.
Adjon hozzá egy Adatok importálása modult, és csatlakoztassa a Vowpal Wabbit 8-as verziójának jobb oldali bemeneti portjához. Konfigurálja az Adatok importálása adatokat a bemeneti adatok eléréséhez.
A pontozáshoz használt bemeneti adatokat előre elő kell készíteni az egyik támogatott formátumban, és az Azure Blob Storage-ban kell tárolni.
Válassza az Include an extra column contain labels (További oszlop hozzáadása címkékkel) lehetőséget, ha a címkéket a pontszámokkal együtt szeretné kimenetbe foglalni.
Szöveges adatok kezelésekor a Vowpal Wabbit általában nem igényel címkéket, és csak az egyes adatsorok pontszámait adja vissza.
Válassza a Nyers pontszámokat tartalmazó további oszlop hozzáadása lehetőséget, ha a nyers pontszámokat az eredményekkel együtt szeretné kimenetbe foglalni.
Tipp
Ez a beállítás új a Vowpal Wabbit 8-as verziójához.
Válassza a Gyorsítótárazott eredmények használata lehetőséget, ha egy korábbi futtatás eredményeit szeretné újra használni, feltéve, hogy teljesülnek a következő feltételek:
Érvényes gyorsítótár létezik egy korábbi futtatásból.
A modul bemeneti adatai és paraméterbeállítása nem változott az előző futtatás óta.
Ellenkező esetben az importálási folyamat a kísérlet minden futtatásakor megismétlődik.
Futtassa a kísérletet.
Results (Eredmények)
A betanítás befejezése után:
- Az eredmények megjelenítéséhez kattintson a jobb gombbal a Vowpal Wabbit 8-as verziójú modell pontozása modul kimenetére .
A kimenet egy 0 és 1 között normalizált előrejelzési pontszámot jelez.
Példák
A Vowpal Wabbit gépi tanulásban való használatára vonatkozó példákért lásd a Azure AI Gallery:
-
Ez a kísérlet egy VW-modell adatelőkészítését, betanítása és működőképesítését mutatja be.
Az alábbi videó a Vowpal Wabbit betanítási és pontozási folyamatának bemutatóját tartalmazza:
Technikai megjegyzések
Ez a szakasz az implementáció részleteit, a tippeket és a gyakori kérdésekre adott válaszokat tartalmazza.
Paraméterek
A Vowpal Wabbit számos parancssori lehetőséget kínál az algoritmusok kiválasztására és finomhangolására. Ezeket a lehetőségeket itt nem lehet teljes körűen megvitatni; Javasoljuk, hogy tekintse meg a Vowpal Wabbit wikioldalt.
Az alábbi paraméterek nem támogatottak a Machine Learning Studio (klasszikus) eszközben.
A következőben megadott bemeneti/kimeneti beállítások: https://github.com/JohnLangford/vowpal_wabbit/wiki/Command-line-arguments
Ezeket a tulajdonságokat a modul már automatikusan konfigurálja.
Emellett nem engedélyezett minden olyan beállítás, amely több kimenetet hoz létre, vagy több bemenetet vesz fel. Ezek közé tartozik a
--cbt
,--lda
a és--wap
a .Csak a felügyelt tanulási algoritmusok támogatottak. Ez nem teszi elérhetőre a következő lehetőségeket:
–active
,--rank
,--search
stb.
A fent leírtakon kívül minden argumentum engedélyezett.
Várt bemenetek
Név | Típus | Description |
---|---|---|
Betanított modell | ILearner interfész | Betanított tanuló |
Adathalmaz | Adattábla | Pontozásra vonatkozó adatkészlet |
Modulparaméterek
Name | Tartomány | Típus | Alapértelmezett | Description |
---|---|---|---|---|
Adattípus megadása | VW SVMLight |
DataType | VW | Annak jelzése, hogy a fájltípus SVMLight vagy Vowpal Wabbit |
VW argumentumok | bármelyik | Sztring | Nincs | Írja be a Vowpal Wabbit argumentumokat. Ne tartalmazza az -i, a -p vagy a -t et |
Címkéket tartalmazó további oszlop hozzáadása | Igaz/Hamis | Logikai | hamis | Adja meg, hogy a tömörített fájl tartalmaz-e címkéket az előrejelzésekkel együtt |
Egy nyers pontszámokat tartalmazó további oszlop hozzáadása | Igaz/Hamis | Logikai | hamis | Adja meg, hogy az eredmény tartalmaz-e további oszlopokat, amelyek a nyers pontszámokat tartalmazzák (a --raw_predictions) |
Kimenetek
Név | Típus | Description |
---|---|---|
Eredményadatkészlet | Adattábla | Adatkészlet az előrejelzési eredményekkel |
Kivételek
Kivétel | Description |
---|---|
0001-es hiba | Kivétel akkor fordul elő, ha az adatkészlet egy vagy több megadott oszlopa nem található. |
0003-as hiba | Kivétel akkor fordul elő, ha egy vagy több bemenet null vagy üres. |
0004-es hiba | Kivétel akkor fordul elő, ha a paraméter kisebb vagy egyenlő egy adott értékkel. |
0017-es hiba | Kivétel akkor fordul elő, ha egy vagy több megadott oszlop típusa az aktuális modul által nem támogatott. |
A Studio (klasszikus) moduljaival kapcsolatos hibák listájáért tekintse meg a Machine Learning hibakódokat.
Az API-kivételek listáját a hibakódok Machine Learning REST API.
Lásd még
Text Analytics
Funkciókivonatolás
Megnevezett entitások felismerése
Vowpal Wabbit 7-4 modell pontozása
Vowpal Wabbit 7-4 modell betanítás
Vowpal Wabbit 8 modell betanítás
A-Z modullista