행 추가

중요

Machine Learning Studio(클래식)에 대한 지원은 2024년 8월 31일에 종료됩니다. 해당 날짜까지 Azure Machine Learning으로 전환하는 것이 좋습니다.

2021년 12월 1일부터 새로운 Machine Learning Studio(클래식) 리소스를 만들 수 없습니다. 2024년 8월 31일까지는 기존 Machine Learning Studio(클래식) 리소스를 계속 사용할 수 있습니다.

ML Studio(클래식) 설명서는 사용 중지되며 나중에 업데이트되지 않을 수 있습니다.

입력 데이터 집합의 행 집합을 다른 데이터 집합의 끝에 추가

범주: 데이터 변환/조작

참고

적용 대상: Machine Learning Studio(클래식) 전용

유사한 끌어서 놓기 모듈은 Azure Machine Learning 디자이너에서 사용할 수 있습니다.

모듈 개요

이 문서에서는 Machine Learning Studio(클래식)에서 행 추가 모듈을 사용하여 두 데이터 세트를 연결하는 방법을 설명합니다. 연결에서 두 번째 데이터 세트의 행은 첫 번째 데이터 세트의 끝에 추가됩니다.

행 연결은 다음과 같은 시나리오에서 유용합니다.

  • 일련의 평가 통계를 생성했으며 보다 쉬운 보고를 위해 이러한 통계를 테이블 하나로 결합하려는 경우

  • 여러 데이터 집합에서 작업한 후 해당 데이터 집합을 결합하여 최종 데이터 집합을 만들려는 경우

행 추가를 사용하는 방법

두 데이터 세트의 행을 연결하려면 행의 스키마가 정확히 동일해야 합니다. 이는 동일한 수의 열과 열에 동일한 유형의 데이터가 있음을 의미합니다.

  1. 행 추가 모듈을 실험으로 끌어다 줍니다. 데이터 변환조작 범주에서 찾을 수 있습니다.

  2. 두 입력 포트에 데이터 집합을 연결합니다. 추가할 데이터 집합이 두 번째(오른쪽) 포트에 연결되어야 합니다.

  3. 실험을 실행합니다. 출력 데이터 세트의 행 수는 두 입력 데이터 세트의 행 합계와 같아야 합니다.

    행 추가 모듈의 두 입력에 동일한 데이터 세트를 추가하면 데이터 세트가 복제됩니다.

기술 정보

이 섹션에서는 구현 세부 정보 및 일반적인 질문에 대해 설명합니다.

  • 행을 추가할 때 원본 데이터 집합을 필터링할 수 없습니다. 행 추가를 사용할 때는 입력으로 제공된 두 데이터 집합의 모든 행이 연결됩니다.

  • 몇 개의 행만 추가하려면 Partition 및 Sample 을 사용하여 행을 필터링하고 원하는 행만 사용하여 데이터 세트를 생성하는 조건을 정의합니다.

이 모듈을 사용하는 방법의 예제를 보려면 Azure AI 갤러리를 참조하세요.

  • 수요 예측: 여러 모델을 평가한 결과를 단일 데이터 세트로 결합하고 사용자 지정 처리를 위해 R 스크립트 실행으로 전달합니다.

  • 유방암 감지: 유용한 기능을 포함하는 데이터 세트는 행 추가, 열 추가데이터 조인을 사용하여 정리한 다음 결합됩니다.

  • 학생 성과 예측: 행 추가를 사용하여 수학 연산 적용을 사용하여 계산되는 사용자 지정 메트릭의 결과를 결합합니다.

  • 시계열 예측: R 스크립트를 사용하여 사용자 지정 메트릭을 생성한 다음 행 추가를 사용하여 단일 테이블에서 결합합니다.

예상 입력

Name 유형 설명
Dataset1 데이터 테이블 출력 데이터 집합에 먼저 추가할 데이터 집합 행입니다.
Dataset2 데이터 테이블 첫 번째 데이터 집합에 추가할 데이터 집합 행입니다.

출력

Name 유형 설명
결과 데이터 집합 데이터 테이블 입력 데이터 집합의 모든 행이 포함된 데이터 집합입니다.

예외

예외 설명
오류 0003 입력 데이터 집합 중 하나 이상이 null이거나 비어 있으면 예외가 발생합니다.
오류 0010 입력 데이터 집합에서 열 이름이 일치해야 하는데 일치하지 않으면 예외가 발생합니다.
오류 0016 모듈로 전달된 입력 데이터 집합의 열 유형이 호환되어야 하는데 호환되지 않으면 예외가 발생합니다.
오류 0008 매개 변수가 범위 내에 있지 않으면 예외가 발생합니다.

Studio(클래식) 모듈과 관련된 오류 목록은 Machine Learning 오류 코드를 참조하세요.

API 예외 목록은 Machine Learning REST API 오류 코드를 참조하세요.

참고 항목

조작
데이터 변환
전체 모듈 목록