Exportar tabela de contagem

Exporta a tabela de contagem de uma transformação salva para uso com novos dados

Categoria: aprendendo com contagens

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 Exportar tabela de contagem no Azure Machine Learning Studio (clássico). O módulo Exportar tabela de contagem é fornecido para compatibilidade com versões anteriores com experimentos que usam a tabela de contagem de compilação preterida e módulos de Featurizer de contagem preteridos.

Quando você usa o novo módulo criar transformação de contagem para criar recursos baseados em contagem, o módulo gera um conjunto de destacados e uma transformação que cria recursos de contagens. Usando o módulo Exportar tabela de contagem , você pode separar a saída de recursos baseados em contagem por esse módulo mais recente em metadados de contagem e uma tabela de contagem. Esses formatos de saída foram usados pelos módulos anteriores, agora preteridos:

Para obter informações gerais sobre as tabelas de contagem e como elas são usadas para criar recursos, consulte aprendendo com contagens.

Para todos os novos experimentos, recomendamos que você use os seguintes módulos:

Como configurar a tabela de contagem de exportação

  1. Em Azure Machine Learning Studio (clássico), abra o experimento em que você deseja usar a tabela de contagem importada.

  2. Localize a transformação contagem salva e adicione-a ao experimento.

  3. Conecte a saída da transformação contagem salva (rotulada transformação) para exportar a tabela de contagem.

  4. Adicione o módulo de Featurizer de contagem (preterido) ao experimento e conecte-o às duas saídas da tabela de contagem de exportação.

  5. O módulo contagem Featurizer (preterido) requer uma entrada adicional para o conjunto de dados que você deseja personalizar. Conecte o conjunto de resultados para aplicar a transformação salva a saídas.

  6. Defina todos os parâmetros necessários para a contagem Featurizer (preterido), incluindo a coluna de rótulo, as colunas de contagem, as colunas para personalizar e os recursos a serem gerados.

    Você deve selecionar um subconjunto das colunas que foram originalmente selecionadas para a transformação contagem. No entanto, o módulo tabela de contagem de exportação não fornece a lista dessas colunas, portanto, você deve examinar o experimento original e anotar quais colunas foram usadas. Se você selecionar uma coluna que não foi usada ao criar a transformação, um erro será gerado.

Exemplos

Explore exemplos de personalização com base em contagem usando esses experimentos de exemplo no Galeria de ia do Azure:

Observação

Se você abrir um experimento de galeria criado usando as versões preteridas dos módulos aprendendo com contagens , o experimento será atualizado automaticamente para usar os módulos mais recentes.

Entradas esperadas

Nome Tipo Descrição
Transformação de contagem Interface ITransform A transformação de contagem.

Saídas

Nome Tipo Descrição
Metadados de contagem de Dracula Tabela de Dados Os metadados das contagens.
Tabela de contagem de Dracula Tabela de Dados A tabela de contagem.

Exceções

Exceção Descrição
Erro 0003 Ocorrerá uma exceção se uma ou mais das entradas for nula ou estiver vazia.
Erro 0086 A exceção ocorre quando uma transformação de contagem é inválida.

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.

Consulte também

Aprendendo com contagens