Trenowanie modelu klastrowania

W tym artykule opisano składnik w Azure Machine Learning projektanta.

Ten składnik umożliwia trenowanie modelu klastrowania.

Składnik przyjmuje nie wytrenowany model klastrowania, który został już skonfigurowany przy użyciu składnika klastrowania k-węzłów, i szkoli model przy użyciu zestawu danych z etykietami lub bez etykiet. Składnik tworzy zarówno wytrenowany model, który umożliwia przewidywanie, jak i zestaw przypisań klastrów dla każdego przypadku w danych szkoleniowych.

Uwaga

Modelu klastrowania nie można wytrenować przy użyciu składnika Train Model (Trenowanie modelu), który jest ogólnym składnikiem trenowania modeli uczenia maszynowego. Wynika to z tego, że trenowanie modelu działa tylko z algorytmami uczenia nadzorowanego. Algorytmy K-y i inne algorytmy klastrowania umożliwiają uczenie bez nadzoru, co oznacza, że algorytm może uczyć się na podstawie danych bez etykiet.

Jak używać trenowania modelu klastrowania

  1. Dodaj składnik Train Clustering Model (Trenowanie modelu klastrowania) do potoku w projektancie. Składnik można znaleźć w obszarze Machine Learning , w kategorii Train (Trenuj).

  2. Dodaj składnik klastrowania k- węzłów lub inny składnik niestandardowy, który tworzy zgodny model klastrowania, i ustaw parametry modelu klastrowania.

  3. Dołącz zestaw danych treningowych do danych wejściowych po prawej stronie w sekcji Train Clustering Model (Trenowanie modelu klastrowania).

  4. W zestawie kolumn wybierz kolumny z zestawu danych do użycia podczas tworzenia klastrów. Pamiętaj, aby wybrać kolumny, które są dobrymi cechami: na przykład unikaj używania identyfikatorów lub innych kolumn, które mają unikatowe wartości, lub kolumn, które mają te same wartości.

    Jeśli etykieta jest dostępna, możesz użyć jej jako funkcji lub pozostawić ją na zewnątrz.

  5. Wybierz opcję Sprawdź dołącz lub usuń zaznaczenie tylko dla wyniku , jeśli chcesz wyprowadzić dane treningowe wraz z nową etykietą klastra.

    W przypadku zaznaczenia tej opcji dane wyjściowe będą dotyczyć tylko przypisań klastra.

  6. Prześlij potok lub kliknij składnik Train Clustering Model (Trenowanie modelu klastrowania) i wybierz pozycję Run Selected (Uruchom wybrane).

Wyniki

Po zakończeniu szkolenia:

  • Aby zapisać migawkę wytrenowany model, wybierz kartę Dane wyjściowe w prawym panelu składnika Train model (Trenowanie modelu). Wybierz ikonę Zarejestruj zestaw danych, aby zapisać model jako składnik wielokrotnego użytku.

  • Aby wygenerować wyniki z modelu, użyj funkcji Assign Data to Clusters (Przypisz dane do klastrów).

Uwaga

Jeśli musisz wdrożyć wytrenowany model w projektancie, upewnij się, że przypisanie danych do klastrów zamiast oceny modelu jest połączone z danymi wejściowymi składnika Web Service Output w potoku wnioskowania.

Następne kroki

Zobacz zestaw składników dostępnych dla Azure Machine Learning.