Informacje o algorytmach & module dla projektanta Azure Machine LearningAlgorithm & module reference for Azure Machine Learning designer

Ta zawartość referencyjna zawiera informacje techniczne na temat każdego z algorytmów uczenia maszynowego i modułów dostępnych w programie 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.

Każdy moduł reprezentuje zestaw kodu, który może zostać uruchomiony niezależnie i wykonać zadanie uczenia maszynowego z uwzględnieniem wymaganych danych wejściowych.Each module represents a set of code that can run independently and perform a machine learning task, given the required inputs. Moduł może zawierać określony algorytm lub wykonać zadanie, które jest ważne w uczeniu maszynowym, takie jak brakująca wartość zastępcza lub analiza statystyczna.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.

Aby uzyskać pomoc dotyczącą wybierania algorytmów, zobaczFor help with choosing algorithms, see

Porada

W każdym potoku projektanta można uzyskać informacje dotyczące określonego modułu.In any pipeline in the designer, you can get information about a specific module. Wybierz link Dowiedz się więcej na karcie moduł po umieszczeniu wskaźnika na module na liście modułów lub w prawym okienku modułu.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.

Moduły przygotowywania danychData preparation modules

FunkcjaFunctionality OpisDescription ModułModule
Dane wejściowe i wyjścioweData Input and Output Przenieś dane ze źródeł w chmurze do potoku.Move data from cloud sources into your pipeline. Zapisuj wyniki lub dane pośrednie w usłudze Azure Storage, SQL Database lub Hive, a następnie uruchamiaj potok lub korzystaj z magazynu w chmurze, aby wymieniać dane między potokami.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. Ręczne wprowadzanie danychEnter Data Manually
Eksportuj daneExport Data
Importuj daneImport Data
Przekształcanie danychData Transformation Operacje na danych, które są unikatowe dla uczenia maszynowego, takie jak normalizowanie lub pakowania danych, Zmniejszanie liczby wymiarów i konwertowanie danych między różnymi formatami plików.Operations on data that are unique to machine learning, such as normalizing or binning data, dimensionality reduction, and converting data among various file formats. Dodaj kolumnyAdd Columns
Dodawanie wierszyAdd Rows
Stosowanie operacji matematycznejApply Math Operation
Stosowanie przekształcenia SQLApply SQL Transformation
Czyszczenie brakujących danychClean Missing Data
Obcinanie wartościClip Values
Konwertowanie na plik CSVConvert to CSV
Konwertowanie na zestaw danychConvert to Dataset
Konwertowanie na wartości wskaźnikaConvert to Indicator Values
Edytowanie metadanychEdit Metadata
Grupowanie danych w pojemnikiGroup Data into Bins
Łączenie danychJoin Data
Normalizowanie danychNormalize Data
Partycjonowanie i próbkowaniePartition and Sample
Usuwanie zduplikowanych wierszyRemove Duplicate Rows
SMOTESMOTE
Wybieranie przekształcenia kolumnSelect Columns Transform
Wybieranie kolumn w zestawie danychSelect Columns in Dataset
Dzielenie danychSplit Data
Wybór funkcjiFeature Selection Wybierz podzestaw odpowiednich, przydatnych funkcji do użycia podczas tworzenia modelu analitycznego.Select a subset of relevant, useful features to use in building an analytical model. Wybór funkcji oparty na filtrzeFilter Based Feature Selection
Ważność funkcji permutacjiPermutation Feature Importance
Funkcje statystyczneStatistical Functions Zapewniają szeroką gamę metod statystycznych związanych z nauką danych.Provide a wide variety of statistical methods related to data science. Podsumowywanie danychSummarize Data

Algorytmy uczenia maszynowegoMachine learning algorithms

FunkcjaFunctionality OpisDescription ModułModule
RegresjaRegression Przewidywanie wartości.Predict a value. Regresja wzmocnionego drzewa decyzyjnegoBoosted Decision Tree Regression
Regresja lasu decyzyjnegoDecision Forest Regression
Szybka regresja kwantylowa lasu decyzyjnegoFast Forest Quantile Regression
Regresja liniowaLinear Regression
Regresja sieci neuronowejNeural Network Regression
Regresja PoissonaPoisson Regression
KlastrowanieClustering Grupuj dane jednocześnie.Group data together. Klastrowanie metodą k-średnichK-Means Clustering
KlasyfikacjaClassification Przewidywanie klasy.Predict a class. Wybierz jeden z dwuklasowego algorytmu lub algorytmów wieloklasowych.Choose from binary (two-class) or multiclass algorithms. Wieloklasowe wzmocnione drzewo decyzyjneMulticlass Boosted Decision Tree
Wieloklasowy las decyzyjnyMulticlass Decision Forest
Wieloklasowa regresja logistycznaMulticlass Logistic Regression
Wieloklasowa sieć neuronowaMulticlass Neural Network
Jeden przeciw wszystkim — moduł wieloklasowyOne vs. All Multiclass
Jeden i jeden wieloklasowyOne vs. One Multiclass
Dwuklasowy uśredniony perceptronTwo-Class Averaged Perceptron
Two-Class Boosted Decision Tree (Dwuklasowe wzmocnione drzewo decyzyjne)Two-Class Boosted Decision Tree
Dwuklasowy las decyzyjnyTwo-Class Decision Forest
Dwuklasowa regresja logistycznaTwo-Class Logistic Regression
Dwuklasowa sieć neuronowaTwo-Class Neural Network
Dwuklasowa maszyna wektorów nośnychTwo Class Support Vector Machine

Moduły do kompilowania i oceniania modeliModules for building and evaluating models

FunkcjaFunctionality OpisDescription ModułModule
Uczenie modeluModel Training Uruchom dane za pomocą algorytmu.Run data through the algorithm. Trenowanie modelu klastrowaniaTrain Clustering Model
Trenowanie modeluTrain Model
Uczenie modelu PytorchTrain Pytorch Model
Dostrajanie hiperparametrów modeluTune Model Hyperparameters
Ocenianie i ocenianie modeluModel Scoring and Evaluation Zmierz dokładność nauczonego modelu.Measure the accuracy of the trained model. Stosowanie przekształceniaApply Transformation
Przypisywanie danych do klastrówAssign Data to Clusters
Krzyżowa weryfikacja modeluCross Validate Model
Ocena modeluEvaluate Model
Ocenianie modelu obrazówScore Image Model
Klasyfikacja modeluScore Model
Język PythonPython Language Napisz kod i Osadź go w module, aby zintegrować Język Python z potokiem.Write code and embed it in a module to integrate Python with your pipeline. Tworzenie modelu języka PythonCreate Python Model
Wykonywanie skryptu w języku PythonExecute Python Script
Język RR Language Napisz kod i Osadź go w module, aby zintegrować język R z potokiem.Write code and embed it in a module to integrate R with your pipeline. Wykonywanie skryptu języka RExecute R Script
Analiza tekstuText Analytics Udostępniaj wyspecjalizowane narzędzia obliczeniowe służące do pracy z tekstem ze strukturą i bez struktury.Provide specialized computational tools for working with both structured and unstructured text. Konwertowanie słów na wektoryConvert Word to Vector
Wyodrębnianie cech n-gramów z tekstuExtract N Gram Features from Text
Tworzenie skrótów funkcjiFeature Hashing
Wstępne przetwarzanie tekstuPreprocess Text
Alokacja ukrytej zmiennej DirichletaLatent Dirichlet Allocation
Ocenianie modelu Vowpal WabbitScore Vowpal Wabbit Model
Trenowanie modelu Vowpal WabbitTrain Vowpal Wabbit Model
Przetwarzanie obrazówComputer Vision Przetwarzanie wstępne danych obrazu i moduły powiązane z rozpoznawaniem obrazu.Image data preprocessing and Image recognition related modules. Stosowanie transformacji obrazówApply Image Transformation
Konwertowanie na katalog obrazówConvert to Image Directory
Inicjowanie transformacji obrazówInit Image Transformation
Dzielenie katalogu obrazówSplit Image Directory
Model DenseNetDenseNet
Model ResNetResNet
ZalecenieRecommendation Kompiluj modele rekomendacji.Build recommendation models. Ocena modułu poleceńEvaluate Recommender
Wynik modułu poleceń SVDScore SVD Recommender
Wyniki modułu poleceń Wide and DeepScore Wide and Deep Recommender
Trenowanie modułu poleceń SVDTrain SVD Recommender
Trenowanie modułu poleceń Wide and DeepTrain Wide and Deep Recommender
Wykrywanie anomaliiAnomaly Detection Tworzenie modeli wykrywania anomalii.Build anomaly detection models. Wykrywanie anomalii oparte na analizie głównych składowychPCA-Based Anomaly Detection
Trenowanie modelu wykrywania anomaliiTrain Anomaly Detection Model

Usługa internetowaWeb service

Dowiedz się więcej na temat modułów usługi sieci Web , które są niezbędne do wnioskowania w czasie rzeczywistym w programie Azure Machine Learning Designer.Learn about the web service modules which are necessary for real-time inference in Azure Machine Learning designer.

Komunikaty o błędachError messages

Dowiedz się więcej o komunikatach o błędach i kodach wyjątków , które mogą wystąpić przy użyciu modułów w programie Azure Machine Learning Designer.Learn about the error messages and exception codes you might encounter using modules in Azure Machine Learning designer.

Następne krokiNext steps