Tabela de Dados

Classe de tabela de dados

Um conjunto de dados é dado que foi carregado para Azure Machine Learning Studio (clássico) para que possa ser usado no processo de modelagem. Mesmo se você carrega dados em outro formato ou especifica um formato de armazenamento como CSV, ARFF ou TSV, os dados são implicitamente convertidos para um objeto DataTable sempre que usados por um módulo em um experimento.

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.

O DataSet é baseado na tabela de dados .net

Tipos de coluna

A DataTable consiste em uma coleção de colunas com metadados associados. Essas colunas implementam a interface IArray. As colunas de dados em Machine Learning Studio (clássico) são compreendidas como matrizes unidimensionais – ou seja, vetores.

A classe da matriz .net implementa essas interfaces genéricas: System.Collections.Generic.IList<T> , System.Collections.Generic.ICollection<T> e System.Collections.Generic.IEnumerable<T> .

Colunas de tipos int, double, e Boolean normalmente são representadas como matrizes densas numéricas. Se uma coluna densa contiver valores ausentes, ela será tratada como uma matriz de valores ausentes ou como uma matriz densa de objeto nulo.

Colunas que contêm cadeias de caracteres são tratadas como matrizes densas do objeto. Se houver valores ausentes, os valores ausentes serão representados como nulos ou como o tipo MissingValuesObjectArray<string> .

Para obter mais informações, consulte classe de matriz (biblioteca MSDN).

Obtendo colunas em uma DataTable

Você pode obter uma coluna chamando o GetColumn método na DataTable. O GetColumn método tem duas sobrecargas:

  • GetColumn(<Int64>) obtém uma coluna por seu índice.

  • GetColumn(<string>) obtém uma coluna por seu nome. 

Outras interfaces no estúdio (clássicas)

Esta seção também descreve as seguintes interfaces para o Aprendizado de Máquina do Azure:

Tipo Descrição
Interface ICluster A interface ICluster define a estrutura de modelos de clustering.
Interface IFilter A interface IFilter define a estrutura de filtros de processamento de sinal digital aplicados a uma série inteira de valores numéricos. Os filtros podem ser criados e salvos e aplicados a uma nova série.
Interface ILearner A interface ILearner fornece uma estrutura genérica para definir e salvar modelos analíticos, excluindo alguns tipos especiais, como modelos de clustering.
Interface ITransform A interface ITransform fornece uma estrutura genérica para definir e salvar transformações. Você pode criar um iTransform usando Machine Learning Studio (clássico) e, em seguida, aplicar a transformação a novos conjuntos de valores.

Confira também

Tipos de dados do módulo