Adicionar Linhas
Anexa um conjunto de linhas de um conjunto de dados de entrada para o final do outro conjunto de dados
Categoria: transformação/manipulação de dados
Observação
Aplica-se a: Machine Learning Studio (clássico)
Esse conteúdo pertence apenas ao estúdio (clássico). Módulos de arrastar e soltar semelhantes foram adicionados ao designer de Azure Machine Learning. Saiba mais neste artigo comparando as duas versões.
Visão geral do módulo
Este artigo descreve como usar o módulo adicionar linhas no Azure Machine Learning para concatenar dois conjuntos de valores. Na concatenação, as linhas do segundo conjunto de registros são adicionadas ao final do primeiro conjunto de um.
Concatenação de linhas é útil em cenários como estes:
Você gerou uma série de estatísticas de avaliação e deseja combiná-las em uma tabela para criar relatórios com mais facilidade.
Você tem trabalhado com conjuntos de dados diferentes e deseja combinar os conjuntos de dados para criar um conjunto de dados final.
Como usar adicionar linhas
Para concatenar linhas de dois conjuntos de registros, as linhas devem ter exatamente o mesmo esquema. Isso significa, o mesmo número de colunas e o mesmo tipo de dados nas colunas.
Arraste o módulo adicionar linhas para o experimento, você pode encontrá-lo em transformação de dados, na categoria manipular .
Conecte os conjuntos de dados para as duas portas de entrada. O conjunto de dados que você deseja acrescentar deve estar conectado à segunda porta (à direita).
Execute o experimento. O número de linhas no conjunto de dados de saída deve ser igual à soma das linhas de ambos os conjuntos de dados de entrada.
Se você adicionar o mesmo conjunto de informações a ambas as entradas do módulo adicionar linhas , o conjunto de registros será duplicado.
Observações técnicas
Esta seção descreve os detalhes de implementação e as perguntas comuns.
Não é possível filtrar o conjunto de dados de origem ao adicionar linhas. Todas as linhas de ambos os conjuntos de dados fornecidos como entradas são concatenados quando você usa Adicionar Linhas.
Se você quiser adicionar apenas algumas linhas, use Partition e Sample para definir uma condição pela qual filtrar as linhas e gerar um conjunto de registros com apenas as linhas desejadas.
Exemplos
Para ver exemplos de como esse módulo é usado, consulte a Galeria de ia do Azure:
Estimativa de demanda: combina o resultado da avaliação de vários modelos em um único conjunto de um e o transmite para um script R de execução para processamento personalizado
Detecção de câncer mama: os conjuntos de dados que contêm recursos úteis são limpos e, em seguida, combinados usando adicionar linhas, adicionar colunase unir dados.
Previsão do desempenho do aluno: usa adicionar linhas para combinar os resultados das métricas personalizadas que são computadas usando aplicar operação matemática.
Previsão de série temporal: usa scripts R para gerar métricas personalizadas e as combina em uma única tabela usando adicionar linhas.
Entradas esperadas
Nome | Tipo | Descrição |
---|---|---|
Dataset1 | Tabela de Dados | Linhas do conjunto de dados a serem adicionadas ao primeiro conjunto de dados de saída |
Dataset2 | Tabela de Dados | Linhas do conjunto de dados a serem anexadas ao primeiro conjunto de dados |
Saídas
Nome | Tipo | Descrição |
---|---|---|
Conjunto de dados de resultados | Tabela de Dados | Conjunto de dados que contém todas as linhas dos conjuntos de dados de entrada |
Exceções
Exceção | Descrição |
---|---|
Erro 0003 | Uma exceção ocorre se um ou mais dos conjuntos de dados de entrada for nulo ou vazio. |
Erro 0010 | Ocorrerá uma exceção se os conjuntos de dados da entrada tiverem nomes de colunas que deveriam corresponder, mas não correspondem. |
Erro 0016 | Ocorrerá uma exceção se os conjuntos de dados de entrada passados para o módulo devessem ter tipos de coluna compatíveis, mas não tiverem. |
Erro 0008 | Ocorrerá uma exceção se o parâmetro não estiver no intervalo. |
Para obter uma lista de erros específicos para módulos do Studio (clássicos), consulte Machine Learning códigos de erro.
Para obter uma lista de exceções de API, consulte Machine Learning códigos de erro da API REST.