Azure Machine Learning デザイナーのアルゴリズムとモジュールのリファレンスAlgorithm & module reference for Azure Machine Learning designer

このリファレンス コンテンツでは、Azure Machine Learning デザイナーで使用可能な各機械学習アルゴリズムとモジュールの技術的な背景について説明します。This reference content provides the technical background on each of the machine learning algorithms and modules available in Azure Machine Learning designer.

各モジュールは、個別に実行可能なコードのセットを表し、必要な入力を取得して機械学習タスクを実行します。Each module represents a set of code that can run independently and perform a machine learning task, given the required inputs. モジュールには、特定のアルゴリズムが含まれているものや、機械学習において重要なタスク (欠損値の置換、統計分析など) を実行するものがあります。A module might contain a particular algorithm, or perform a task that is important in machine learning, such as missing value replacement, or statistical analysis.

アルゴリズムの選択の詳細については、以下を参照してください。For help with choosing algorithms, see

ヒント

デザイナー内のパイプラインでは、特定のモジュールに関する情報を取得できます。In any pipeline in the designer, you can get information about a specific module. モジュールの一覧、またはモジュールの右側のウィンドウで、モジュールにカーソルを合わせ、モジュール カードの [詳細情報] リンクを選択します。Select the Learn more link in the module card when hovering on the module in the module list, or in the right pane of the module.

データ準備モジュールData preparation modules

機能Functionality 説明Description ModuleModule
データの入力と出力Data Input and Output クラウド ソースのデータをパイプラインに移動します。Move data from cloud sources into your pipeline. パイプラインの実行中に、結果や中間データを Azure Storage、SQL Database、または Hive に書き込みます。また、クラウド ストレージを使用して、パイプライン間でデータを交換します。Write your results or intermediate data to Azure Storage, SQL Database, or Hive, while running a pipeline, or use cloud storage to exchange data between pipelines. データの手動入力Enter Data Manually
データのエクスポートExport Data
データのインポートImport Data
[データの変換]Data Transformation 機械学習に固有のデータに対する操作 (データの正規化やビン分割、次元削減、さまざまなファイル形式の間でのデータの変換など)。Operations on data that are unique to machine learning, such as normalizing or binning data, dimensionality reduction, and converting data among various file formats. 列の追加Add Columns
行の追加Add Rows
算術演算の適用Apply Math Operation
SQL 変換の適用Apply SQL Transformation
見つからないデータのクリーンアップClean Missing Data
クリップの値Clip Values
CSV への変換Convert to CSV
データセットへの変換Convert to Dataset
インジケーター値への変換Convert to Indicator Values
メタデータの編集Edit Metadata
データをビンにグループ化するGroup Data into Bins
データの結合Join Data
データの正規化Normalize Data
パーティションとサンプルPartition and Sample
重複する行の削除Remove Duplicate Rows
SMOTESMOTE
列変換の選択Select Columns Transform
データセット内の列の選択Select Columns in Dataset
データの分割Split Data
特徴選択Feature Selection 分析モデルの構築で使用する、関連する有用な特徴のサブセットを選択します。Select a subset of relevant, useful features to use in building an analytical model. フィルターに基づく特徴選択Filter Based Feature Selection
順列の特徴量の重要度Permutation Feature Importance
統計関数Statistical Functions データ サイエンスに関連するさまざまな統計的方法を提供します。Provide a wide variety of statistical methods related to data science. データの集計Summarize Data

機械学習のアルゴリズムMachine learning algorithms

機能Functionality 説明Description ModuleModule
回帰Regression 値を予測します。Predict a value. ブースト デシジョン ツリー回帰Boosted Decision Tree Regression
デシジョン フォレスト回帰Decision Forest Regression
高速フォレスト分位点回帰Fast Forest Quantile Regression
線形回帰Linear Regression
ニューラル ネットワーク回帰Neural Network Regression
ポワソン回帰Poisson Regression
クラスタリングClustering データをグループ化します。Group data together. K-Means クラスタリングK-Means Clustering
分類Classification クラスを予測します。Predict a class. バイナリ (2 クラス) または多クラスのアルゴリズムを選択します。Choose from binary (two-class) or multiclass algorithms. 多クラスの増幅デシジョン ツリーMulticlass Boosted Decision Tree
多クラス デシジョン フォレストMulticlass Decision Forest
多クラス ロジスティック回帰Multiclass Logistic Regression
多クラス ニューラル ネットワークMulticlass Neural Network
1 対全多クラスOne vs. All Multiclass
One vs.One MulticlassOne vs. One Multiclass
2 クラス平均化パーセプトロンTwo-Class Averaged Perceptron
2 クラス ブースト デシジョン ツリーTwo-Class Boosted Decision Tree
2 クラス デシジョン フォレストTwo-Class Decision Forest
2 クラス ロジスティック回帰Two-Class Logistic Regression
2 クラス ニューラル ネットワークTwo-Class Neural Network
2 クラス サポート ベクター マシンTwo Class Support Vector Machine

モデルを構築および評価するためのモジュールModules for building and evaluating models

機能Functionality 説明Description ModuleModule
モデル トレーニングModel Training アルゴリズムを介してデータを実行します。Run data through the algorithm. クラスタリング モデルのトレーニングTrain Clustering Model
モデルのトレーニングTrain Model
PyTorch モデルのトレーニングTrain Pytorch Model
モデルのハイパーパラメーターの調整Tune Model Hyperparameters
モデルのスコアリングと評価Model Scoring and Evaluation トレーニング済みモデルの正確性を測定します。Measure the accuracy of the trained model. 変換の適用Apply Transformation
クラスターへのデータの割り当てAssign Data to Clusters
モデルのクロス検証Cross Validate Model
モデルの評価Evaluate Model
画像モデルのスコア付けScore Image Model
モデルのスコア付けScore Model
Python 言語Python Language コードを記述し、それをモジュール内に埋め込んで、Python をパイプラインと統合します。Write code and embed it in a module to integrate Python with your pipeline. Python モデルの作成Create Python Model
Python スクリプトの実行Execute Python Script
R 言語R Language コードを記述し、それをモジュール内に埋め込んで、R をパイプラインと統合します。Write code and embed it in a module to integrate R with your pipeline. R スクリプトの実行Execute R Script
Text AnalyticsText Analytics 構造化テキストと非構造化テキストの両方を操作するための特別な計算ツールを提供します。Provide specialized computational tools for working with both structured and unstructured text. 単語からベクトルへの変換Convert Word to Vector
テキストからの N Gram 特徴抽出Extract N Gram Features from Text
特徴ハッシュFeature Hashing
テキストの前処理Preprocess Text
Latent Dirichlet AllocationLatent Dirichlet Allocation
Score Vowpal Wabbit Model (Vowpal Wabbit モデルのスコアリング)Score Vowpal Wabbit Model
Train Vowpal Wabbit Model (Vowpal Wabbit モデルのトレーニング)Train Vowpal Wabbit Model
Computer VisionComputer Vision 画像データの前処理と画像認識関連のモジュール。Image data preprocessing and Image recognition related modules. イメージ変換の適用Apply Image Transformation
イメージ ディレクトリへの変換Convert to Image Directory
イメージ変換の初期化Init Image Transformation
イメージ ディレクトリの分割Split Image Directory
DenseNetDenseNet
ResNetResNet
推奨Recommendation 推奨モデルを構築します。Build recommendation models. レコメンダーの評価Evaluate Recommender
SVD レコメンダーのスコア付けScore SVD Recommender
ワイドかつディープなレコメンダーのスコア付けScore Wide and Deep Recommender
SVD レコメンダーのトレーニングTrain SVD Recommender
ワイドかつディープなレコメンダーのトレーニングTrain Wide and Deep Recommender
異常検出Anomaly Detection 異常検出モデルを構築します。Build anomaly detection models. PCA ベースの異常検出PCA-Based Anomaly Detection
異常検出モデルのトレーニングTrain Anomaly Detection Model

Web サービスWeb service

Azure Machine Learning デザイナーでリアルタイムの推論を行うために必要な Web サービス モジュールについて説明します。Learn about the web service modules which are necessary for real-time inference in Azure Machine Learning designer.

エラー メッセージError messages

Azure Machine Learning デザイナーでモジュールを使用しているときに発生する可能性のあるエラー メッセージと例外コードについて説明します。Learn about the error messages and exception codes you might encounter using modules in Azure Machine Learning designer.

次のステップNext steps