lista de a-Z de módulos do Machine Learning Studio (clássico)

  • Artigo

Importante

O suporte para o Machine Learning Studio (clássico) terminará em 31 de agosto de 2024. É recomendável fazer a transição para o Azure Machine Learning até essa data.

A partir de 1º de dezembro de 2021, você não poderá criar recursos do Machine Learning Studio (clássico). Até 31 de agosto de 2024, você pode continuar usando os recursos existentes do Machine Learning Studio (clássico).

A documentação do ML Studio (clássico) está sendo desativada e pode não ser atualizada no futuro.

Dica

Os clientes que usam ou avaliam atualmente o Machine Learning Studio (clássico) são incentivados a experimentar o designer do Azure Machine Learning, que fornece módulos de ML do tipo "arrastar e soltar", além de escalabilidade, controle de versão e segurança empresarial.

Os módulos abrangem uma ampla gama de recursos e funções necessárias para tarefas de aprendizado de máquina:

  • Funções de conversão de dados
  • Funções de transformação de dados
  • Módulos para executar o script R ou Python
  • Algoritmos, incluindo:
    • Árvores de decisão
    • Florestas de decisão
    • Clustering
    • Série temporal
    • Modelos de recomendação
    • Detecção de anomalias

Para localizar um módulo:

Tabela alfabética de módulos

Nome do módulo Descrição
Adicionar Colunas Adiciona um conjunto de colunas de um conjunto de um para outro.
Adicionar Linhas Acrescenta um conjunto de linhas de um conjunto de dados de entrada para o final de outro conjunto.
Aplicar filtro Aplica um filtro a colunas especificadas de um DataSet.
Aplicar Operação Matemática Aplica uma operação matemática a valores de coluna.
Aplicar Transformação SQL Executa uma consulta do SQLite em conjuntos de dados de entrada para transformar os dados.
Aplicar Transformação Aplica uma transformação de dados bem especificada a um DataSet.
Atribuir Dados a Clusters Atribui dados a clusters usando um modelo de clustering treinado existente.
Regressão linear Bayesiana Cria um modelo de regressão linear bayesiana.
Regressão de Árvore de Decisão Aumentada Cria um modelo de regressão usando o algoritmo de árvore de decisão aumentada.
Criar transformação de contagem Cria contagens a serem usadas para compilar recursos.
Limpar Dados Ausentes Especifica como tratar valores que estão ausentes de um conjunto de um DataSet.
Recortar Valores Detecta exceções e, em seguida, corta ou substitui seus valores.
Computar estatísticas elementares Calcula as estatísticas de resumo especificadas para as colunas do conjunto de linhas selecionado.
Detectar idiomas Detecta o idioma de cada linha no arquivo de entrada.
Computar correlação linear Calcula a correlação linear entre valores de coluna em um DataSet.
Converter em ARFF Converte a entrada de dados no formato de arquivo de relação de atributo usado pelo conjunto de ferramentas weka.
Converter em CSV Converte a entrada de dados em um formato de valores separados por vírgula.
Converter em Conjunto de Dados Converte a entrada de dados para o formato de DataSet interno usado pelo Machine Learning.
Converter em Valores de Indicador Converte valores categóricos em colunas para valores de indicador.
Converter em SVMLight Converte a entrada de dados no formato usado pela estrutura SVMlight.
Converter em TSV Converte a entrada de dados no formato delimitado por tabulação.
Criar modelo de R Cria um modelo de R usando recursos personalizados.
Modelo de validação cruzada A validação cruzada calcula as estimativas de parâmetro para modelos de classificação ou regressão Particionando os dados.
Regressão de Floresta de Decisão Cria um modelo de regressão usando o algoritmo de floresta de decisão.
Detectar idiomas Detecta o idioma de cada linha no arquivo de entrada.
Editar Metadados Edita os metadados associados às colunas em um conjunto de uma.
Inserir dados manualmente Habilita a inserção e edição de pequenos conjuntos de os valores de digitação.
Avaliar Modelo Avalia um modelo de classificação ou regressão pontuado usando métricas padrão.
Avaliar função de probabilidade Ajusta uma função de distribuição de probabilidade especificada para um conjunto de um DataSet.
Avaliar o Sistema de Recomendação Avalia a precisão das previsões do modelo de recomendação.
Executar Script do Python executa um script Python de um experimento Machine Learning.
Executar Script R executa um script R de um experimento Machine Learning.
Exportar tabela de contagem Exporta contagens de uma transformação de contagem.
Exportar dados grava um conjunto de dados em URLs da web ou em várias formas de armazenamento baseado em nuvem no Azure, como tabelas, blobs e bancos de SQL do Azure.

Este módulo era anteriormente chamado de gravador.
Extrair as frases-chave do texto Extrai palavras-chave e frases de uma coluna de texto.
Extrair recursos N-Gram do texto Cria recursos de dicionário N-Gram e, em seguida, faz a seleção de recursos neles.
Regressão rápida de quantil de floresta Cria um modelo de regressão quântica.
Hash de Recursos Converte dados de texto em recursos codificados em inteiro usando a biblioteca Vowpal Wabbit.
Seleção de Recursos Baseada em Filtro Identifica os recursos em um conjuntos de dados que têm a maior potência preditiva.
Filtro FIR Cria um filtro de resposta finito para processamento de sinal.
Análise Discriminante Linear da Fisher Identifica a combinação linear de variáveis de recurso que podem agrupar melhor os dados em classes separadas.
Agrupar valores categóricos Grupos de dados de várias categorias em uma nova categoria.
Agrupar Dados em Compartimentos Coloca dados numéricos em compartimentos.
Filtro IIR Cria um filtro de resposta de inserção infinita para processamento de sinal.
Importar tabela de contagem Importa contagens de uma tabela de contagem existente.
Importar dados Carrega dados de fontes externas na Web ou de várias formas de armazenamento baseado em nuvem no Azure, como tabelas, blobs, bancos de dados SQL e banco de dados Cosmos Azure. Pode carregar dados de um banco de dados local SQL Server se um gateway tiver sido configurado.

Esse módulo era chamado anteriormente de Leitor.
Importar imagens Carrega imagens do Armazenamento de Blob do Azure em um conjuntos de dados.
Unir Dados Une dois conjuntos de dados.
Cluster K-Means Configura e inicializa um modelo de cluster K-means.
Alocação de Dirichlet Latente Executa a modelagem de tópico usando a biblioteca Vowpal Wabbit para LDA (Alocação de Dirichlet Latente).
Regressão Linear Cria um modelo de regressão linear.
Carregar modelo treinado Obtém um modelo treinado que você pode usar para pontuação em um experimento.
Filtro mediano Cria um filtro mediano usado para suavizar dados para análise de tendência.
Mesclar transformação de contagem Mescla dois conjuntos de tabelas de contagem.
Modificar parâmetros da tabela de contagem Cria um conjunto compacto de recursos baseados em contagem de tabelas de contagem.
Filtro de média móvel Cria um filtro de média móvel que suaviza os dados para análise de tendência.
Floresta de Decisão Multiclasse Cria um modelo de classificação multiclasse usando o algoritmo de floresta de decisão.
Selva de decisão multiclasse Cria um modelo de classificação multiclasse usando o algoritmo de algoritmo de algoritmo de decisão.
Regressão Logística Multiclasse Cria um modelo de classificação de regressão logística multiclasse.
Rede Neural Multiclasse Cria um modelo de classificação multiclasse usando um algoritmo de rede neural.
Reconhecimento de entidade nomeada Reconhece entidades nomeadas em uma coluna de texto.
Regressão de Rede Neural Cria um modelo de regressão usando um algoritmo de rede neural.
Normalizar Dados Redimensiona dados numéricos para restringir valores de conjuntos de dados a um intervalo padrão.
Máquina de vetor de suporte de uma classe Cria um modelo de computador de vetor de suporte de uma classe para detecção de anomalias.
Multiclasse uma-vs-todas Cria um modelo de classificação multiclasse de um conjunto de modelos de classificação binária.
Regressão ordinal Cria um modelo de regressão ordinal.
Particionar e Gerar Amostra Cria várias partições de um conjuntos de dados com base na amostragem.
Importância do Recurso de Permuta Calcula as pontuações de importância do recurso de permutação de variáveis de recurso em um modelo treinado e um conjuntos de dados de teste.
Detecção de Anomalias Baseada em PCA Cria um modelo de detecção de anomalias usando a PCA (Análise de Componente Principal).
Regressão de Poisson Cria um modelo de regressão que presume que os dados têm uma distribuição Poisson.
Pré-processar Texto Executa operações de limpeza no texto.
Classificação de imagem em cascata previamente treinada Cria um modelo de classificação de imagem pré-treinado para rostos frontais usando a Biblioteca OpenCV.
Análise de componente principal Calcula um conjunto de recursos que reduziram a dimensionalidade para um aprendizado mais eficiente.
Remover Linhas Duplicadas Remove linhas duplicadas de um conjuntos de dados.
Substituir valores discretos Substitui valores discretos de uma coluna por valores numéricos com base em outra coluna.
Classificar recomendador Matchbox Pontua previsões para um conjuntos de dados usando o recomendador Matchbox.
Pontuar Modelo Pontua previsões para um modelo de classificação ou regressão treinado.
Pontuar o modelo Vowpal Wabbit 7-4 Pontua dados usando o sistema de machine learning Vowpal Wabbit.

Requer um modelo treinado criado usando Vowpal Wabbit versões 7-4 e 7-6.
Pontuar o modelo Vowpal Wabbit 7-10 Pontua dados usando o sistema de machine learning Vowpal Wabbit.

Requer um modelo treinado criado usando Vowpal Wabbit versão 7-10.
Pontuar o modelo Vowpal Wabbit 8 Pontua dados usando o sistema de machine learning Vowpal Wabbit da interface de linha de comando.

Requer um modelo treinado criado usando Vowpal Wabbit versão 8.
Projetar Colunas no Conjunto de Dados Seleciona colunas para incluir ou excluir de um conjuntos de dados em uma operação.
SMOTE Aumenta o número de exemplos de baixa frequência em um conjuntos de dados usando excesso de excesso de respostas sintéticas.
Dividir Dados Particiona as linhas de um conjunto de um em dois conjuntos distintos.
Resumir Dados Gera um relatório de estatísticas descritivas básico para as colunas em um conjunto de um DataSet.
Clustering de varredura Executa uma limpeza de parâmetro em um modelo de clustering para determinar as configurações de parâmetro ideais.
Hipótese de teste usando o T-Test Compara meios de dois conjuntos de valores usando um teste t.
Filtro de limite Cria um filtro de limite que restringe os valores.
Detecção de anomalias de série temporal Aprende uma tendência nos dados de série temporal e, em seguida, usa a tendência para detectar anomalias.
Treinar um Modelo de Detecção de Anomalias Treina um modelo de detector de anomalias e, em seguida, rotula os dados do conjunto de treinamento.
Treinar Modelo de Clustering Treina um modelo de clustering e atribui dados do conjunto de treinamento a clusters.
Treinar recomendador Matchbox Treina um recomendador Bayesiana usando o algoritmo Matchbox.
Treinar Modelo Treina um modelo de classificação ou regressão de maneira supervisionada.
Treinar o modelo Vowpal Wabbit 7-4 Treina um modelo do sistema de aprendizado de máquina Vowpal Wabbit.

Este módulo é para compatibilidade com as versões 7-4 e 7-6 do Vowpal Wabbit.
Treinar o modelo Vowpal Wabbit 7-10 Treina um modelo do sistema de aprendizado de máquina Vowpal Wabbit.

Este módulo é para Vowpal Wabbit versão 7-10.
Treinar o modelo Vowpal Wabbit 8 Treina um modelo usando a versão 8 do sistema de aprendizado de máquina Vowpal Wabbit.

Este módulo é para Vowpal Wabbit versão 8.
Ajustar os Hiperparâmetros de Modelo Executa uma limpeza de parâmetro em um modelo de regressão ou de classificação para determinar as configurações de parâmetro ideais.
Perceptron Médio de Duas Classes Cria um modelo de classificação binária de perceptron média.
Máquina do ponto Bayes de duas classes Cria um modelo de classificação binária de máquina do ponto Bayes.
Árvore de Decisão Aumentada de Duas Classes Cria um classificador binário usando um algoritmo de árvore de decisão aumentada.
Floresta de Decisão de Duas Classes Cria um modelo de classificação de duas classes usando o algoritmo de floresta de decisão.
Selva de decisão de duas classes Cria um modelo de classificação de duas classes usando o algoritmo de selva de decisão.
Máquina de vetor de suporte localmente profundo de duas classes Cria um modelo de classificação binária usando o algoritmo computador de vetor de suporte em profundidade local.
Regressão Logística de Duas Classes Cria um modelo de regressão logística de duas classes.
Rede Neural de Duas Classes Cria um classificador binário usando um algoritmo de rede neural.
Computador de Vetor de Suporte de Duas Classes Cria um modelo de classificação binária usando o algoritmo de máquina de vetor de suporte.
Desempacotar conjuntos de dados compactados Desempacota conjuntos de usuários de um pacote .zip no armazenamento do usuário.
Filtro definido pelo usuário Cria um filtro de resposta de impulso finito ou infinito personalizado.

Confira também