Naslag informatie voor algoritme & module voor Azure Machine Learning DesignerAlgorithm & module reference for Azure Machine Learning designer

Deze referentie-inhoud biedt de technische achtergrond informatie over elk van de machine learning algoritmen en modules die beschikbaar zijn in Azure Machine Learning Designer.This reference content provides the technical background on each of the machine learning algorithms and modules available in Azure Machine Learning designer.

Elke module vertegenwoordigt een set code die onafhankelijk kan worden uitgevoerd en een machine learning taak kan uitvoeren, op basis van de vereiste invoer.Each module represents a set of code that can run independently and perform a machine learning task, given the required inputs. Een module kan een bepaald algoritme bevatten of een taak uitvoeren die belang rijk is in machine learning, zoals ontbrekende vervanging van waarden of statistische analyses.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.

Zie voor hulp bij het kiezen van algoritmenFor help with choosing algorithms, see

Tip

In een pijp lijn in de ontwerp functie kunt u informatie ophalen over een specifieke module.In any pipeline in the designer, you can get information about a specific module. Selecteer de koppeling meer informatie in de module kaart bij het aanwijzen van de module in de module lijst of in het rechterdeel venster van de module.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.

Modules voor gegevens voorbereidingData preparation modules

FunctionaliteitFunctionality DescriptionDescription ModuleModule
Gegevens invoer en-uitvoerData Input and Output Verplaats gegevens van Cloud bronnen naar uw pijp lijn.Move data from cloud sources into your pipeline. Schrijf uw resultaten of tussenliggende gegevens naar Azure Storage, SQL Database of Hive, terwijl u een pijp lijn uitvoert, of gebruik Cloud opslag voor het uitwisselen van gegevens tussen pijp lijnen.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. Gegevens handmatig invoerenEnter Data Manually
Gegevens exporterenExport Data
Gegevens importerenImport Data
Gegevens transformatieData Transformation Bewerkingen op gegevens die uniek zijn voor machine learning, zoals het normaliseren of Binningen van gegevens, het beperken van de afmetingen en het converteren van gegevens over verschillende bestands indelingen.Operations on data that are unique to machine learning, such as normalizing or binning data, dimensionality reduction, and converting data among various file formats. Kolommen toevoegenAdd Columns
Rijen toevoegenAdd Rows
Wiskundige bewerking toepassenApply Math Operation
SQL-transformatie toepassenApply SQL Transformation
Ontbrekende gegevens opschonenClean Missing Data
Waarden inperkenClip Values
Converteren naar CSVConvert to CSV
Converteren naar gegevenssetConvert to Dataset
Converteren naar indicatorwaardenConvert to Indicator Values
Metagegevens bewerkenEdit Metadata
Gegevens in opslaglocaties groeperenGroup Data into Bins
Gegevens samenvoegenJoin Data
Gegevens normaliserenNormalize Data
Partitie en voorbeeldPartition and Sample
Dubbele rijen verwijderenRemove Duplicate Rows
SMOTESMOTE
Kolomtransformatie selecterenSelect Columns Transform
Kolommen in gegevensset selecterenSelect Columns in Dataset
Gegevens splitsenSplit Data
Functie selectieFeature Selection Selecteer een subset van relevante, nuttige functies om te gebruiken bij het bouwen van een analytisch model.Select a subset of relevant, useful features to use in building an analytical model. Functieselectie op basis van filtersFilter Based Feature Selection
Belang van permutatiefunctiePermutation Feature Importance
Statistische functiesStatistical Functions Bieden een groot aantal statistische methoden die zijn gerelateerd aan data Science.Provide a wide variety of statistical methods related to data science. Gegevens samenvattenSummarize Data

Machine learning-algoritmenMachine learning algorithms

FunctionaliteitFunctionality DescriptionDescription ModuleModule
RegressieRegression Een waarde voors pellen.Predict a value. Regressie versterkte beslissingsstructuurBoosted Decision Tree Regression
Regressie beslissingsforestDecision Forest Regression
Regressie snelle forestkwantielFast Forest Quantile Regression
Lineaire regressieLinear Regression
Regressie neuraal netwerkNeural Network Regression
Regressie PoissonPoisson Regression
ClusteringClustering Groepeert gegevens tegelijk.Group data together. K-means-clusteringK-Means Clustering
ClassificatieClassification Voors pellen van een klasse.Predict a class. U kunt kiezen uit binaire (twee klasse) of meerdere klasse-algoritmen.Choose from binary (two-class) or multiclass algorithms. Versterkte beslissingsstructuur met meerdere klassenMulticlass Boosted Decision Tree
Beslissingsforest met meerdere klassenMulticlass Decision Forest
Logistieke regressie met meerdere klassenMulticlass Logistic Regression
Neuraal netwerk met meerdere klassenMulticlass Neural Network
One-vs- All MulticlassOne vs. All Multiclass
Gemiddeld perceptron met twee klassenTwo-Class Averaged Perceptron
Versterkte beslissingsstructuur met twee klassenTwo-Class Boosted Decision Tree
Beslissingsforest met twee klassenTwo-Class Decision Forest
Logistieke regressie met twee klassenTwo-Class Logistic Regression
Neuraal netwerk met twee klassenTwo-Class Neural Network
Ondersteuning voor vectormachine met twee klassenTwo Class Support Vector Machine

Modules voor het maken en evalueren van modellenModules for building and evaluating models

FunctionaliteitFunctionality DescriptionDescription ModuleModule
Model trainingModel Training Voer gegevens uit via de algoritme.Run data through the algorithm. Clustermodel trainenTrain Clustering Model
TrainingsmodelTrain Model
Pytorch-model trainenTrain Pytorch Model
Model Hyperparameters afstemmenTune Model Hyperparameters
Model leren en evaluerenModel Scoring and Evaluation Meet de nauw keurigheid van het getrainde model.Measure the accuracy of the trained model. Transformatie toepassenApply Transformation
Gegevens aan cluster toewijzenAssign Data to Clusters
Kruisvalidatie van model validerenCross Validate Model
Model evaluerenEvaluate Model
Afbeeldingsmodel voor scoreScore Image Model
Score ModelScore Model
Python-taalPython Language Schrijf code en sluit deze in een module in om python met uw pijp lijn te integreren.Write code and embed it in a module to integrate Python with your pipeline. Python-model makenCreate Python Model
Python-script uitvoerenExecute Python Script
R-taalR Language Schrijf code en sluit deze in een module in om R met uw pijp lijn te integreren.Write code and embed it in a module to integrate R with your pipeline. R-Script uitvoerenExecute R Script
Text AnalyticsText Analytics Bieden speciale reken kundige hulp middelen voor het werken met zowel gestructureerde als ongestructureerde tekst.Provide specialized computational tools for working with both structured and unstructured text. Word converteren naar vectorConvert Word to Vector
N-Gram-functies uit tekst halenExtract N Gram Features from Text
Functie-hashingFeature Hashing
Tekst voorverwerkenPreprocess Text
Latente Dirichlet-toewijzingLatent Dirichlet Allocation
Vowpal Wabbit-model scorenScore Vowpal Wabbit Model
Vowpal Wabbit-model trainenTrain Vowpal Wabbit Model
Computer VisionComputer Vision Voor verwerking van installatie kopie-en installatie kopieën gerelateerde modules.Image data preprocessing and Image recognition related modules. Afbeeldingstransformatie toepassenApply Image Transformation
Converteren naar afbeeldingsmapConvert to Image Directory
Afbeeldingstransformatie initiërenInit Image Transformation
Map om afbeeldingen te splitsenSplit Image Directory
DenseNetDenseNet
ResNetResNet
AanbevelingRecommendation Aanbevelings modellen bouwen.Build recommendation models. Aanbevelingsfunctie voor evaluatieEvaluate Recommender
Aanbevelingsfunctie voor SVD-scoreScore SVD Recommender
Aanbevelingsfunctie voor wide en deep learning-scoresScore Wide and Deep Recommender
Aanbevelingsfunctie van SVD-trainingTrain SVD Recommender
Aanbevelingsfunctie voor wide en deep learning-trainingenTrain Wide and Deep Recommender
AnomaliedetectieAnomaly Detection Anomalie detectie modellen bouwen.Build anomaly detection models. Anomaliedetectie op basis van PCAPCA-Based Anomaly Detection
Anomaliedetectiemodel trainenTrain Anomaly Detection Model

WebserviceWeb service

Meer informatie over de modules voor webservices die nodig zijn voor realtime-interferentie in azure machine learning Designer.Learn about the web service modules which are necessary for real-time inference in Azure Machine Learning designer.

FoutberichtenError messages

Meer informatie over de fout berichten en uitzonderings codes die u kunt tegen komen met behulp van modules in azure machine learning Designer.Learn about the error messages and exception codes you might encounter using modules in Azure Machine Learning designer.

Volgende stappenNext steps