Lista A-Z de módulos do Machine Learning Studio (clássico)

Este artigo fornece uma lista alfabética dos módulos que estão disponíveis no Azure Machine Learning Studio (clássico).

Dica

Os clientes que atualmente estejam a utilizar ou a avaliar o estúdio do Azure Machine Learning são incentivados a experimentar o estruturador do Azure Machine Learning, o qual lhe dá módulos de ML de arrastar e largar e, ainda , escalabilidade, controlo de versões e segurança empresarial.

Os módulos cobrem uma vasta gama de funcionalidades e funções necessárias para tarefas de aprendizagem automática:

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

Para encontrar um módulo:

Tabela alfabética de módulos

Nome do módulo Descrição
Adicionar Colunas Adiciona um conjunto de colunas de um conjunto de dados para outro.
Adicionar Linhas Anexa um conjunto de linhas de um conjunto de dados de entrada até ao final de outro conjunto de dados.
Aplicar Filtro Aplica um filtro a colunas especificadas de um conjunto de dados.
Aplicar Operação Matemática Aplica uma operação matemática aos valores das colunas.
Aplicar Transformação SQL Executa uma consulta SQLite sobre conjuntos de dados de entrada para transformar os dados.
Aplicar Transformação Aplica uma transformação de dados bem especificado a um conjunto de dados.
Assign Data to Clusters (Atribuir Dados a Clusters) Atribui dados a clusters utilizando um modelo de agrupamento treinado existente.
Regressão Linear bayesiana Cria um modelo de regressão linear bayesiano.
Regressão da Árvore de Decisões Elevada Cria um modelo de regressão utilizando o algoritmo de árvore de decisão reforçado.
Build Counting Transform Cria contagens para usar para construir funcionalidades.
Limpar Dados em Falta Especifica como lidar com valores que faltam a partir de um conjunto de dados.
Valores de Clip Deteta os forasteiros e, em seguida, clips ou substitui os seus valores.
Estatísticas Elementares do Cálculo Calcula estatísticas sumárias especificadas para colunas de conjuntos de dados selecionadas.
Detetar idiomas Deteta a linguagem de cada linha no ficheiro de entrada.
Correlação Linear compute Calcula a correlação linear entre os valores da coluna num conjunto de dados.
Converter em ARFF Converte a entrada de dados no formato de ficheiro de relação de atributos que é usado pelo conjunto de ferramentas Weka.
Converter para CSV Converte a entrada de dados num formato de valores separados por vírgula.
Converter em Conjunto de Dados Converte a entrada de dados no formato interno do conjunto de dados que é usado pela Azure Machine Learning.
Converter em Valores Indicadores Converte valores categóricos em colunas para valores indicadores.
Converter para SVMLight Converte a entrada de dados no formato que é usado pela estrutura SVMlight.
Converter em TSV Converte a entrada de dados no formato delimitado por separadores.
Criar Modelo R Cria um modelo R utilizando recursos personalizados.
Modelo de validação cruzada Cruza as estimativas de parâmetros para modelos de classificação ou regressão dividindo os dados.
Regressão da Floresta de Decisão Cria um modelo de regressão utilizando o algoritmo da floresta de decisão.
Detetar idiomas Deteta a linguagem de cada linha no ficheiro de entrada.
Editar Metadados Edita metadados associados a colunas num conjunto de dados.
Introduzir os Dados Manualmente Permite introduzir e editar pequenos conjuntos de dados digitando valores.
Avaliar Modelo Avalia um modelo de classificação ou regressão pontuado utilizando métricas padrão.
Avaliar a função de probabilidade Ajusta uma função de distribuição de probabilidade especificada a um conjunto de dados.
Avaliar Recomendador Avalia a precisão das previsões do modelo recomendador.
Executar Script do Python Executa um guião Python de uma experiência de Aprendizagem automática Azure.
Executar Script R Executa um script R de uma experiência de Aprendizagem automática Azure.
Tabela de Contagem de Exportações As exportações contam a partir de uma transformação de contagem.
Dados de Exportação Escreve um conjunto de dados para URLs web ou para várias formas de armazenamento baseado em nuvem em Azure, tais como tabelas, bolhas e bases de dados Azure SQL.

Este módulo foi anteriormente chamado Writer.
Extrair frases-chave do texto Extrai palavras-chave e frases de uma coluna de texto.
Extrair Funcionalidades N-Grama a partir de Texto Cria funcionalidades de dicionário N-Gram e, em seguida, apresenta seleção neles.
Regressão de Quantil da Floresta Rápida Cria um modelo de regressão quântica.
Hashing de Funcionalidade Converte dados de texto para funcionalidades encodificados inteiros utilizando a biblioteca Vowpal Wabbit.
Seleção de funcionalidades baseadas em filtro Identifica as funcionalidades num conjunto de dados que têm o maior poder preditivo.
Filtro FIR Cria um filtro de resposta por impulso finito para o processamento do sinal.
Análise Discriminante Linear de Fisher Identifica a combinação linear de variáveis de características que podem melhor agrupar dados em classes separadas.
Valores Categóricos do Grupo Agru como grupos de dados de várias categorias numa nova categoria.
Agrupar Dados em Posições Coloca dados numéricos em caixotes.
Filtro IIR Cria um filtro de resposta por impulso infinito para o processamento do sinal.
Tabela de Contagem de Importações As importações contam a partir de uma tabela de contagem existente.
Dados de Importação Carrega dados de fontes externas na web ou de várias formas de armazenamento em nuvem em Azure, tais como tabelas, bolhas, bases de dados SQL e Azure Cosmos DB. Pode carregar dados a partir de uma base de dados do SQL Server no local se um gateway tiver sido configurado.

Este módulo foi anteriormente chamado Reader.
Imagens de Importação Carrega as imagens do armazenamento de Azure Blob num conjunto de dados.
Associar dados Junta dois conjuntos de dados.
Clustering K-Means Configura e inicializa um modelo de agrupamento K-significa.
Alocação Latente de Dirichlet Executa a modelação de tópicos utilizando a biblioteca Vowpal Wabbit para a atribuição de Dirichlet Latent (LDA).
Regressão Linear Cria um modelo linear de regressão.
Modelo treinado de carga Obtém um modelo treinado que pode usar para marcar numa experiência.
Filtro mediano Cria um filtro mediano que é usado para suavizar dados para análise de tendências.
Fusão Contagem Transform Combina dois conjuntos de tabelas de contagem.
Modificar parâmetros de tabela de contagem Constrói um conjunto compacto de características baseadas em contagem a partir de tabelas de contagem.
Filtro médio móvel Cria um filtro médio móvel que suaviza os dados para a análise da tendência.
Floresta de Decisão de Várias Classes Cria um modelo de classificação multiclasse usando o algoritmo da floresta de decisão.
Selva de Decisão Multiclasse Cria um modelo de classificação multiclasse usando o algoritmo da selva de decisão.
Regressão Logística de Várias Classes Cria um modelo de classificação de regressão logística multiclasse.
Rede Neural de Várias Classes Cria um modelo de classificação multiclasse usando um algoritmo de rede neural.
Reconhecimento de Entidades Nomeadas Reconhece entidades nomeadas numa coluna de texto.
Regressão da Rede Neural Cria um modelo de regressão utilizando um algoritmo de rede neural.
Normalizar Dados Reescala os dados numéricos para limitar os valores do conjunto de dados a uma gama padrão.
Máquina de vetor de suporte de uma classe Cria um modelo de máquina de vetor de suporte de uma classe para deteção de anomalias.
One-vs-All Multiclass Cria um modelo de classificação multiclasse a partir de um conjunto de modelos de classificação binário.
Regressão Ordinal Cria um modelo de regressão ordinal.
Partição e Amostra Cria múltiplas divisórias de um conjunto de dados com base na amostragem.
Importância da funcionalidade de permutação Calcula a permutação característica pontuações de variações de características num modelo treinado e num conjunto de dados de teste.
Deteção de Anomalias Baseada em PCA Cria um modelo de deteção de anomalias utilizando a Análise principal de Componentes (APC).
Regressão de Poisson Cria um modelo de regressão que assume que os dados têm uma distribuição Poisson.
Pré-processar Texto Executa operações de limpeza por texto.
Classificação de imagem em cascata pré-treinada Cria um modelo de classificação de imagem pré-treinado para rostos frontais utilizando a Biblioteca OpenCV.
Análise principal de componentes Calcula um conjunto de funcionalidades que reduziram a dimensionalidade para uma aprendizagem mais eficiente.
Remover Linhas Duplicadas Remove linhas duplicadas de um conjunto de dados.
Substituir Valores Discretos Substitui valores discretos de uma coluna por valores numéricos baseados noutra coluna.
Pontuar Matchbox Recomendador Previsões de pontuação para um conjunto de dados utilizando o recomendador Matchbox.
Modelo de Classificação Previsões de pontuação para um modelo de classificação ou regressão treinado.
Pontuação Vowpal Wabbit 7-4 Modelo Obtém dados utilizando o sistema de aprendizagem automática Vowpal Wabbit.

Requer um modelo treinado construído utilizando as versões Vowpal Wabbit 7-4 e 7-6.
Pontuação Vowpal Wabbit 7-10 Modelo Obtém dados utilizando o sistema de aprendizagem automática Vowpal Wabbit.

Requer um modelo treinado construído utilizando a versão 7-10 do Vowpal Wabbit.
Pontuação Vowpal Wabbit 8 Modelo Obtém dados utilizando o sistema de aprendizagem automática Vowpal Wabbit a partir da interface de linha de comando.

Requer um modelo treinado construído utilizando a versão 8 do Vowpal Wabbit.
Selecionar Colunas no Conjunto de Dados Seleciona colunas para incluir ou excluir de um conjunto de dados numa operação.
SMOTE Aumenta o número de exemplos de baixa incidência num conjunto de dados utilizando a sobresmaldição sintética da minoria.
Dividir Dados Divisórias as linhas de um conjunto de dados em dois conjuntos distintos.
Resumir Dados Gera um relatório básico de estatísticas descritivas para as colunas num conjunto de dados.
Agrupamento de varreduras Executa uma varredura de parâmetros num modelo de agrupamento para determinar as definições ideais dos parâmetros.
Hipótese de teste usando t-test Compara os meios de dois conjuntos de dados utilizando um teste t.
Filtro limiar Cria um filtro de limiar que limita os valores.
Deteção de anomalias de séries tempos Aprende uma tendência nos dados das séries de tempo e, em seguida, usa a tendência para detetar anomalias.
Preparar Modelo de Deteção de Anomalias Treina um modelo de detetor de anomalias e, em seguida, rotula dados do conjunto de treino.
Train Clustering Model (Preparar Modelo de Clustering) Treina um modelo de agrupamento e, em seguida, atribui dados do conjunto de treino a clusters.
Recomendador da caixa de fósforos do comboio Treina um recomendador bayesiano usando o algoritmo Matchbox.
Preparar Modelo Treina um modelo de classificação ou regressão de forma supervisionada.
Modelo Wabbit 7-4 do comboio Vowpal Treina um modelo do sistema de aprendizagem automática Vowpal Wabbit.

Este módulo destina-se à compatibilidade com as versões Vowpal Wabbit 7-4 e 7-6.
Modelo Wabbit 7-10 do comboio Treina um modelo do sistema de aprendizagem automática Vowpal Wabbit.

Este módulo destina-se à versão 7-10 da Vowpal Wabbit.
Modelo Vowpal Wabbit 8 do comboio Treina um modelo utilizando a versão 8 do sistema de aprendizagem automática Vowpal Wabbit.

Este módulo destina-se à versão 8 do Vowpal Wabbit.
Ajustar hiperparâmetros do modelo Executa uma varredura de parâmetros num modelo de regressão ou classificação para determinar as definições ideais dos parâmetros.
Perceção Média de Duas Classes Cria um modelo de classificação binária perceptron média.
Máquina de ponta de bayes de duas classes Cria um modelo de classificação binária de máquina de ponto bayes.
Árvore de Decisões Elevada de Duas Classes Cria um classificador binário usando um algoritmo de árvore de decisão reforçado.
Floresta de Decisão de Duas Classes Cria um modelo de classificação de duas classes usando o algoritmo da floresta de decisão.
Selva de Decisão de duas classes Cria um modelo de classificação de duas classes usando o algoritmo da selva de decisão.
Máquina de vetor de apoio local de duas classes Cria um modelo de classificação binária usando o algoritmo de máquina vetorial de suporte 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.
Máquina de Vetores de Suporte de Duas Classes Cria um modelo de classificação binária usando o algoritmo da máquina vetorial de suporte.
Desempacotar conjuntos de dados com fecho Desembala conjuntos de dados de um pacote .zip no armazenamento do utilizador.
Filtro definido pelo utilizador Cria um filtro de resposta por impulso finito ou infinito personalizado.

Ver também