Score Vowpal Wabbit Model

  • Artikel

Artikel ini menjelaskan cara menggunakan komponen Score Vowpal Wabbit Model dalam perancang Azure Machine Learning, untuk menghasilkan skor untuk satu kumpulan data input, menggunakan model Vowpal Wabbit terlatih yang ada.

Komponen ini menyediakan versi terbaru dari kerangka kerja Vowpal Wabbit, versi 8.8.1. Gunakan komponen ini untuk menilai data menggunakan model terlatih yang disimpan dalam format VW versi 8.

Cara mengonfigurasikan Score Vowpal Wabbit Model

  1. Tambahkan komponen Score Vowpal Wabbit Model ke eksperimen Anda.

  2. Tambahkan model Vowpal Wabbit terlatih dan sambungkan ke port input sebelah kiri. Anda bisa menggunakan model terlatih yang dibuat dalam eksperimen yang sama, atau temukan model yang disimpan di kategori Himpunan Data panel navigasi kiri perancang. Namun, model harus tersedia di Perancang Azure Machine Learning.

    Catatan

    Hanya model Vowpal Wabbit 8.8.1 yang didukung; Anda tidak dapat menyambungkan model tersimpan yang dilatih dengan menggunakan algoritme lain.

  3. Tambahkan himpunan data pengujian dan sambungkan ke port input kanan. Jika himpunan data pengujian berupa direktori, yang berisi file data pengujian, tentukan nama file data pengujian dengan Nama file data pengujian. Jika himpunan data pelatihan berupa file tunggal, biarkan Nama file data pengujian kosong.

  4. Dalam kotak teks argumen VW, ketik argumen baris perintah untuk Vowpal Wabbit yang dapat dieksekusi.

    Untuk mengetahui informasi tentang argumen Vowpal Wabbit mana yang didukung dan tidak didukung di Azure Machine Learning, lihat bagian Catatan Teknis.

  5. Nama file data pengujian: Ketik nama file yang berisi data input. Argumen ini digunakan hanya ketika himpunan data pelatihan berupa direktori.

  6. Tentukan jenis file: Tunjukkan format mana yang digunakan oleh data pelatihan Anda. Vowpal Wabbit mendukung dua format file input berikut:

    • VW mewakili format internal yang digunakan oleh Vowpal Wabbit. Lihat halaman wiki Vowpal Wabbit untuk mengetahui detailnya.
    • SVMLight adalah format yang digunakan oleh beberapa alat pembelajaran mesin lainnya.

  7. Pilih opsi, Sertakan kolom tambahan yang berisi label, jika Anda ingin mengeluarkan label beserta skor.

    Biasanya, saat menangani data teks, Vowpal Wabbit tidak memerlukan label dan hanya akan mengembalikan skor untuk setiap baris data.

  8. Pilih opsi, Sertakan kolom tambahan yang berisi skor mentah, jika Anda ingin mengeluarkan skor mentah berserta hasilnya.

  9. Kirim alur.

Hasil

Setelah pelatihan selesai:

  • Untuk memvisualisasikan hasilnya, klik kanan output komponen Score Vowpal Wabbit Model. Output menunjukkan skor prediksi yang dinormalisasi dari 0 hingga 1.

  • Untuk mengevaluasi hasil, himpunan data output harus berisi nama kolom skor tertentu, yang memenuhi persyaratan komponen Model Evaluasi.

    • Untuk tugas regresi, himpunan data yang akan dievaluasi harus memiliki satu kolom bernama Regression Scored Labels, yang mewakili label yang diberi skor.
    • Untuk tugas klasifikasi biner, himpunan data yang akan dievaluasi harus memiliki dua kolom, bernama Binary Class Scored Labels dan Binary Class Scored Probabilities, yang masing-masing mewakili label yang diberi skor dan probabilitas.
    • Untuk tugas multi klasifikasi, himpunan data yang akan dievaluasi harus memiliki satu kolom bernama Multi Class Scored Labels, yang mewakili label yang diberi skor.

    Perhatikan bahwa hasil komponen Score Vowpal Wabbit Model tidak dapat dievaluasi secara langsung. Sebelum mengevaluasi, himpunan data harus dimodifikasi sesuai dengan persyaratan di atas.

Catatan teknis

Bagian ini berisi detail implementasi, tips, dan jawaban terkait pertanyaan yang sering diajukan.

Parameter

Vowpal Wabbit memiliki banyak opsi baris perintah untuk memilih dan menyetel algoritma. Pembahasan lengkap terkait opsi ini tidak dimungkinkan di sini; sebaiknya lihat halaman wiki Vowpal Wabbit.

Parameter berikut ini tidak didukung di Azure Machine Learning Studio (klasik).

  • Opsi masukan/keluaran yang ditentukan dalam https://github.com/JohnLangford/vowpal_wabbit/wiki/Command-line-arguments

    Properti ini sudah dikonfigurasi secara otomatis oleh komponen.

  • Selain itu, opsi apa pun yang menghasilkan beberapa keluaran atau mengambil beberapa masukan tidak diizinkan. Ini termasuk --cbt , --lda , dan --wap .

  • Hanya algoritme pembelajaran yang diawasi yang didukung. Ini melarang opsi berikut: –active, --rank, --search dll.

Semua argumen selain yang dijelaskan di atas diizinkan.

Langkah berikutnya

Lihat set komponen yang tersedia untuk Azure Machine Learning.