Algoritma & referensi komponen untuk desainer Azure Machine Learning

Konten referensi ini memberikan latar belakang teknis pada setiap algoritma pembelajaran mesin dan komponen yang tersedia di perancang Azure Machine Learning.

Setiap komponen mewakili satu kumpulan kode yang dapat berjalan secara independen dan melakukan tugas pembelajaran mesin, dengan input yang diperlukan. Komponen mungkin berisi algoritma tertentu, atau melakukan tugas yang penting dalam pembelajaran mesin, seperti penggantian nilai yang hilang, atau analisis statistik.

Untuk bantuan dalam memilih algoritma, lihat

• Cara memilih algoritma
• Lembar Cheat Algoritma Azure Machine Learning

Tip

Dalam alur apa pun di perancang, Anda bisa mendapatkan informasi tentang komponen tertentu. Pilih tautan Pelajari selengkapnya di kartu komponen saat mengarahkan ke komponen di daftar komponen, atau di panel kanan komponen.

Komponen penyiapan data

Fungsionalitas	Deskripsi	component
Input dan output data	Pindahkan data dari sumber cloud ke alur Anda. Tulis hasil atau data perantara Anda ke Azure Storage, atau Database SQL, saat menjalankan alur, atau gunakan penyimpanan cloud untuk bertukar data antar alur.	Memasukkan Data Secara Manual Mengekspor data Mengimpor data
Transformasi Data	Operasi pada data yang unik untuk pembelajaran komputer, seperti menormalkan atau mengikat data, pengurangan dimensi, dan mengonversi data di antara berbagai format file.	Menambahkan kolom Menambahkan Baris Menerapkan Operasi Matematika Menerapkan Transformasi SQL Membersihkan Data Yang Hilang Nilai Klip Mengonversi ke CSV Mengonversi ke Himpunan Data Mengonversi ke Nilai Indikator Mengedit Metadata Mengelompokkan Data ke dalam Bin Data Gabungan Menormalkan Data Partisi dan Sampel Menghapus Baris Duplikat SMOTE Memilih Transformasi Kolom Memilih Kolom di Himpunan Data Memisahkan Data
Pilihan fitur	Pilih subset fitur yang relevan dan berguna untuk digunakan untuk membangun model analitik.	Pilihan Fitur Berbasis Filter Pentingnya Fitur Permutasi
Fungsi statistik	Menyediakan berbagai metode statistik yang terkait dengan ilmu data.	Meringkas Data

Algoritma pembelajaran komputer

Fungsionalitas	Deskripsi	component
Regresi	Memprediksi nilai.	Regresi Pohon Keputusan yang Ditingkatkan Regresi Hutan Keputusan Regresi Kuantil Hutan Cepat Regresi Linear Regresi Jaringan Saraf Regresi Poisson
Pengklusteran	Mengelompokkan data bersama-sama.	Pengklusteran K-Means
Klasifikasi	Memprediksi kelas. Pilih dari algoritma biner (dua kelas) atau multi kelas.	Pohon Keputusan yang Didorong Multikelas Hutan Keputusan Multi kelas Regresi Logistik Multi kelas Jaringan Neural Multi kelas Satu vs. Semua Multi kelas Satu vs. Satu Multikelas Perceptron Rata-Rata Dua Kelas Pohon Keputusan yang Didorong Dua Kelas Hutan Keputusan Dua Kelas Regresi Logistik Dua Kelas Jaringan Neural Dua Kelas Komputer Vektor Dukungan Dua Kelas

Komponen untuk membangun dan mengevaluasi model

Fungsionalitas	Deskripsi	component
Pelatihan model	Jalankan data melalui algoritma.	Melatih Model Pengklusteran Melatih Model Melatih Model Pytorch Sesuaikan Hyperparameter Model
Penilaian dan Evaluasi Model	Mengukur akurasi model terlatih.	Terapkan Transformasi Tetapkan Data ke Kluster Model Validasi Silang Evaluasi Model Model Gambar Skor Berikan Skor Model
Bahasa Python	Tulis kode dan sematkan dalam komponen untuk mengintegrasikan Python dengan alur Anda.	Buat Model Python Jalankan Skrip Python
Bahasa R	Tulis kode dan sematkan dalam komponen untuk mengintegrasikan R dengan alur Anda.	Jalankan Skrip R
Text Analytics	Menyediakan alat komputasi khusus untuk bekerja dengan teks terstruktur dan tidak terstruktur.	Mengonversi Word menjadi Vektor Mengekstrak Fitur N-Gram dari Teks Hashing Fitur Teks Praproses Alokasi Latent Dirichlet Skor Model Wabbit Vowpal Melatih Model Vowpal Wabbit
Computer Vision	Prapemrosesan data gambar dan komponen terkait pengenalan Gambar.	Terapkan Transformasi Gambar Konversi ke Direktori Gambar Transformasi Gambar Init Pisahkan Direktori Gambar DenseNet ResNet
Rekomendasi	Buat model rekomendasi.	Evaluasi Pemberi Rekomendasi Skor Pemberi Rekomendasi SVD Skor Pemberi Rekomendasi yang Luas dan Mendalam Melatih Pemberi Rekomendasi SVD Melatih Pemberi Rekomendasi yang Luas dan Mendalam
Deteksi Anomali	Membangun model deteksi anomali.	PCA-Based Deteksi Anomali Melatih Model Deteksi Anomali

Layanan Web

Pelajari komponen layanan web, yang diperlukan untuk inferensi waktu nyata di desainer Azure Machine Learning.

Pesan kesalahan

Pelajari pesan kesalahan dan kode pengecualian yang mungkin Anda temui saat menggunakan komponen di perancang Azure Machine Learning.

Langkah berikutnya

• Tutorial: Membangun model dalam perancang untuk memprediksi harga mobil