Machine Learning Studio (クラシック) モジュールの A ~ Z の一覧

この記事では、Azure Machine Learning Studio (クラシック) で使用できるモジュールのアルファベット順の一覧を示します。

ヒント

現在 Machine Learning Studio (クラシック) を使用または評価しているお客様には、ドラッグ アンド ドロップ ML モジュールの "ほか"、スケーラビリティ、バージョン管理、およびエンタープライズ セキュリティを提供する Azure Machine Learning デザイナーを試してみることをお勧めします。

モジュールは、機械学習タスクに必要なさまざまな機能と機能をカバーしています。

  • データ変換関数
  • データ変換関数
  • R または Python スクリプトを実行するためのモジュール
  • 以下を含むアルゴリズム:
    • デシジョン ツリー
    • デシジョンフォレスト
    • クラスタリング
    • タイム シリーズ
    • 推奨モデル
    • 異常検出

モジュールを検索するには:

モジュールのアルファベット順の表

モジュール名 説明
列の追加 あるデータセットから別のデータセットに列のセットを追加します。
行の追加 入力データセットの行セットを別のデータセットの末尾に追加します。
フィルターの適用 データセットの指定された列にフィルターを適用します。
算術演算の適用 列の値に数学的演算を適用します。
SQL 変換の適用 入力データセットに対して SQLite クエリを実行し、データを変換します。
変換の適用 適切に指定されたデータ変換をデータセットに適用します。
クラスターへのデータの割り当て 既存のトレーニング済みクラスタリングモデルを使用して、クラスターにデータを割り当てます。
ベイジアン線形回帰 ベイジアン線形回帰モデルを作成します。
ブースト デシジョン ツリー回帰 ブーストデシジョンツリーアルゴリズムを使用して回帰モデルを作成します。
カウント変換の構築 フィーチャーを構築するために使用するカウントを作成します。
見つからないデータのクリーンアップ データセットに欠けている値の処理方法を指定します。
クリップの値 外れ値を検出し、その値をクリップまたは置換します。
基本統計のコンピューティング 選択したデータセット列の指定された集計統計を計算します。
言語を検出する 入力ファイル内の各行の言語を検出します。
線形相関関係のコンピューティング データセット内の列値間の線形相関関係を計算します。
ARFF への変換 データ入力を、Weka ツールセットで使用される属性リレーションシップファイル形式に変換します。
CSV への変換 データ入力をコンマ区切り値形式に変換します。
データセットへの変換 データ入力を Azure Machine Learning によって使用される内部データセット形式に変換します。
インジケーター値への変換 列のカテゴリ値をインジケーター値に変換します。
SVMLight への変換 データ入力を SVMlight フレームワークによって使用される形式に変換します。
TSV への変換 データ入力をタブ区切り形式に変換します。
R モデルの作成 カスタムリソースを使用して R モデルを作成します。
モデルのクロス検証 データをパーティション分割することによって、分類モデルまたは回帰モデルのパラメーターの推定値をクロス検証します。
デシジョン フォレスト回帰 デシジョンフォレストアルゴリズムを使用して回帰モデルを作成します。
言語を検出する 入力ファイル内の各行の言語を検出します。
メタデータの編集 データセット内の列に関連付けられているメタデータを編集します。
データの手動入力 値を入力して小規模なデータセットを入力および編集できるようにします。
モデルの評価 標準メトリックを使用して、スコア付けされた分類モデルまたは回帰モデルを評価します。
確率関数の評価 指定した確率分布関数をデータセットに適合させる。
レコメンダーの評価 レコメンダーモデル予測の精度を評価します。
Python スクリプトの実行 Azure Machine Learning 実験から Python スクリプトを実行します。
R スクリプトの実行 Azure Machine Learning 実験から R スクリプトを実行します。
カウント テーブルのエクスポート カウント変換からカウントをエクスポートします。
データのエクスポート テーブル、blob、Azure SQL データベースなど、Azure の web Url またはさまざまな形式のクラウドベースストレージにデータセットを書き込みます。

このモジュールは以前は Writer と呼ばれていました。
テキストからキー フレーズを抽出する テキスト列からキーワードと語句を抽出します。
テキストからの N-gram 特徴抽出 N グラム辞書機能を作成し、その機能を選択します。
高速フォレスト分位点回帰 分位点回帰モデルを作成します。
特徴ハッシュ Vowpal Wabbit ライブラリを使用して、テキストデータを整数でエンコードされた特徴に変換します。
フィルターに基づく特徴選択 予測力が最も高いデータセットの特徴を識別します。
FIR フィルター シグナル処理用の有限インパルス応答フィルターを作成します。
Fisher 線形判別分析 データを個別のクラスにグループ化するのに最適な機能変数の線形組み合わせを識別します。
グループ カテゴリ値 複数のカテゴリのデータを新しいカテゴリにグループ化します。
データをビンにグループ化する 数値データをビンに格納します。
IIR フィルター シグナル処理用の無限インパルス応答フィルターを作成します。
カウント テーブルのインポート 既存のカウントテーブルからカウントをインポートします。
データのインポート Web 上の外部ソースまたは Azure のさまざまな形式のクラウドベースストレージ (テーブル、blob、SQL データベース、Azure Cosmos DB など) からデータを読み込みます。 では、ゲートウェイが構成されている場合、オンプレミスの SQL Server データベースからデータを読み込むことができます。

このモジュールは以前は Reader と呼ばれていました。
イメージのインポート Azure Blob storage からデータセットにイメージを読み込みます。
データの結合 2つのデータセットを結合します。
K-Means クラスタリング K を意味するクラスターモデルを構成して初期化します。
Latent Dirichlet Allocation Vowpal Wabbit ライブラリを使用して、潜在ディリクレ等式割り当て (LDA) を使用して、トピックのモデリングを実行します。
線形回帰 線形回帰モデルを作成します。
トレーニング済みのモデルを読み込む 実験のスコアリングに使用できるトレーニング済みのモデルを取得します。
中央値フィルター 傾向分析のためにデータを滑らかにするために使用される中央値フィルターを作成します。
カウント変換のマージ カウントテーブルの2つのセットをマージします。
カウント テーブル パラメーターの変更 カウントテーブルから、カウントベースの特徴のコンパクトなセットを構築します。
移動平均フィルター 傾向分析のためにデータをスムージングする移動平均フィルターを作成します。
多クラス デシジョン フォレスト デシジョンフォレストアルゴリズムを使用して、多クラス分類モデルを作成します。
多クラス デシジョン ジャングル デシジョンジャングルアルゴリズムを使用して、多クラス分類モデルを作成します。
多クラス ロジスティック回帰 多クラスロジスティック回帰分類モデルを作成します。
多クラス ニューラル ネットワーク ニューラルネットワークアルゴリズムを使用して、多クラス分類モデルを作成します。
名前付きエンティティの認識 テキスト列の名前付きエンティティを認識します。
ニューラル ネットワーク回帰 ニューラルネットワークアルゴリズムを使用して回帰モデルを作成します。
データの正規化 数値データを再スケールして、データセットの値を標準の範囲に制限します。
1 クラス サポート ベクター マシン 異常検出用の1クラスサポートベクターマシンモデルを作成します。
One-vs-All Multiclass 二項分類モデルの多クラス分類モデルを作成します。
順序回帰 序数回帰モデルを作成します。
パーティションとサンプル サンプリングに基づいて、データセットの複数のパーティションを作成します。
順列の特徴量の重要度 トレーニング済みのモデルとテストデータセットの特徴変数の順列特徴の重要度スコアを計算します。
PCA ベースの異常検出 主要コンポーネント分析 (PCA) を使用して、異常検出モデルを作成します。
ポワソン回帰 データにポワソン分布があることを前提とする回帰モデルを作成します。
テキストの前処理 テキストに対してクリーニング操作を実行します。
事前トレーニング済みカスケード画像分類 OpenCV ライブラリを使用して、正面 faces の事前トレーニング済みのイメージ分類モデルを作成します。
主成分分析を参照してください より効率的な学習のために次元を小さくした特徴セットを計算します。
重複する行の削除 重複する行をデータセットから削除します。
離散値の置換 ある列の不連続値を、別の列に基づく数値に置き換えます。
マッチボックス レコメンダーのスコアリング Matchbox レコメンダーを使用して、データセットの予測をスコア付けします。
モデルのスコア付け トレーニング済みの分類または回帰モデルの予測をスコア付けします。
Vowpal Wabbit 7-4 モデルのスコアリング Vowpal Wabbit 機械学習システムを使用してデータをスコア付けします。

Vowpal Wabbit バージョン7-4 および7-6 を使用して構築されたトレーニング済みのモデルが必要です。
Vowpal Wabbit 7-10 モデルのスコアリング Vowpal Wabbit 機械学習システムを使用してデータをスコア付けします。

Vowpal Wabbit バージョン7-10 を使用して構築されたトレーニング済みのモデルが必要です。
Vowpal Wabbit 8 モデルのスコアリング コマンドラインインターフェイスから Vowpal Wabbit 機械学習システムを使用してデータをスコア付けします。

Vowpal Wabbit バージョン8を使用して構築されたトレーニング済みのモデルが必要です。
データセット内の列の選択 操作でデータセットに含める列またはデータセットから除外する列を選択します。
SMOTE 合成少数派オーバーサンプリングを使用して、データセット内の低インシデントの例の数を増やします。
データの分割 データセットの行を2つの異なるセットに分割します。
データの集計 データセット内の列に関する基本的な説明的な統計レポートを生成します。
クラスタリングのスイープ クラスターモデルに対してパラメータースイープを実行し、最適なパラメーター設定を決定します。
T 検定を使用して仮説をテストする T 検定を使用して、2つのデータセットの意味を比較します。
しきい値フィルター 値を制限するしきい値フィルターを作成します。
時系列の異常検出 時系列データの傾向を学習し、その傾向を使用して異常を検出します。
異常検出モデルのトレーニング 異常検出モデルをトレーニングし、トレーニングセットのデータにラベルを付けます。
クラスタリング モデルのトレーニング クラスターモデルをトレーニングし、トレーニングセットからクラスターにデータを割り当てます。
マッチボックス レコメンダーのトレーニング Matchbox アルゴリズムを使用してベイジアンレコメンダーをトレーニングします。
モデルのトレーニング 分類モデルまたは回帰モデルを、監視された方法でトレーニングします。
Vowpal Wabbit 7-4 モデルのトレーニング Vowpal Wabbit machine learning システムからモデルをトレーニングします。

このモジュールは、Vowpal Wabbit バージョン7-4 および7-6 との互換性を維持するためのものです。
Vowpal Wabbit 7-10 モデルのトレーニング Vowpal Wabbit machine learning システムからモデルをトレーニングします。

このモジュールは、Vowpal Wabbit バージョン7-10 用です。
Vowpal Wabbit 8 モデルのトレーニング Vowpal Wabbit machine learning システムのバージョン8を使用してモデルをトレーニングします。

このモジュールは、Vowpal Wabbit バージョン8用です。
モデルのハイパーパラメーターの調整 回帰モデルまたは分類モデルに対してパラメータースイープを実行し、最適なパラメーター設定を決定します。
2 クラス平均化パーセプトロン 平均パーセプトロン二項分類モデルを作成します。
2 クラスのベイズ ポイント マシン Bayes ポイントマシンのバイナリ分類モデルを作成します。
2 クラス ブースト デシジョン ツリー ブーストデシジョンツリーアルゴリズムを使用して二項分類器を作成します。
2 クラス デシジョン フォレスト デシジョンフォレストアルゴリズムを使用して、2クラス分類モデルを作成します。
2 クラス デシジョン ジャングル デシジョンジャングルアルゴリズムを使用して、2クラス分類モデルを作成します。
2 クラスのローカル詳細サポート ベクター マシン ローカルのディープサポートベクターマシンアルゴリズムを使用して、二項分類モデルを作成します。
2 クラス ロジスティック回帰 2クラスロジスティック回帰モデルを作成します。
2 クラス ニューラル ネットワーク ニューラルネットワークアルゴリズムを使用して二項分類器を作成します。
2 クラス サポート ベクター マシン サポートベクターマシンアルゴリズムを使用して、二項分類モデルを作成します。
zip 形式のデータセットのアンパック ユーザーストレージの .zip パッケージからデータセットをアンパックします。
ユーザー定義フィルター カスタムの有限または無限インパルス応答フィルターを作成します。

関連項目