Tabela de Contagem de Exportações

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

Categoria: Aprendizagem com Condes

Nota

Aplica-se a: Machine Learning Studio (clássico)

Este conteúdo diz respeito apenas ao Studio (clássico). Módulos semelhantes de arrasto e queda foram adicionados ao designer de Aprendizagem automática Azure. Saiba mais neste artigo comparando as duas versões.

Visão geral do módulo

Este artigo descreve como usar o módulo de tabela de contagem de exportação no Azure Machine Learning Studio (clássico). O módulo tabela de contagem de exportação é fornecido para retrocompatibilidade com experiências que usam a tabela de contagem de construção depreciada e módulos de Conde Preced.

Quando utiliza o novo módulo Build Counting Transform para criar funcionalidades baseadas na contagem, o módulo produz um conjunto de dados apresentando e uma transformação que cria funcionalidades a partir de contagens. Ao utilizar o módulo tabela de contagem de exportação, pode separar a saída de funcionalidades baseada na contagem por este módulo mais recente em metadados de contagem e uma tabela de contagem. Estes formatos de saída foram usados por módulos anteriores, agora precados:

Para obter informações gerais sobre tabelas de contagem e como são usadas para criar funcionalidades, consulte Learning with Counts.

Para todas as novas experiências, recomendamos que utilize os seguintes módulos:

Como configurar tabela de contagem de exportações

  1. No Azure Machine Learning Studio (clássico), abra a experiência onde pretende utilizar a tabela de contagem importada.

  2. Localize a transformação da contagem guardada e adicione-a à experiência.

  3. Ligue a saída da transformação da contagem guardada (transformaçãorotulada) à Tabela de Contagem de Exportação.

  4. Adicione o módulo Conde Featurizer (precotado) à experiência e conecte-o às duas saídas da Tabela de Contagem de Exportação.

  5. O módulo Count Featurizer (precotado) requer uma entrada adicional, para o conjunto de dados que pretende exibir. Ligue o conjunto de dados para aplicar a transformação guardada nas saídas.

  6. Desaperte os parâmetros necessários para o Conde Featurizer (precotado), incluindo a coluna do rótulo, as colunas de contagem, as colunas a exibir e as características de saída.

    Deve selecionar um subconjunto das colunas que foram originalmente selecionadas para a transformação da contagem. No entanto, o módulo tabela de contagem de exportação não fornece a lista destas colunas, pelo que deve rever a experiência original e tomar nota das colunas utilizadas. Se selecionar uma coluna que não foi utilizada ao criar a transformação, é levantado um erro.

Exemplos

Explore exemplos de caracterização baseada na contagem utilizando estas experiências de amostra na Galeria Azure AI:

Nota

Se abrir uma experiência da Galeria criada utilizando as versões depreciadas dos módulos Learning with Counts, a experiência é automaticamente atualizada para utilizar os módulos mais recentes.

Entradas esperadas

Nome Tipo Descrição
Contagem de transformação Interface ITransform A contagem transforma-se.

Saídas

Nome Tipo Descrição
Drácula conta metadados Tabela de Dados Os metadados das contagens.
Tabela de contagem de Drácula Tabela de Dados A mesa de contagem.

Exceções

Exceção Descrição
Erro 0003 A exceção ocorre se uma ou mais entradas forem nulas ou vazias.
Erro 0086 A exceção ocorre quando uma transformação de contagem é inválida.

Para obter uma lista de erros específicos dos módulos Studio (clássicos), consulte códigos de erro de aprendizagem automática.

Para obter uma lista de exceções da API, consulte códigos de erro da API de aprendizagem automática.

Ver também

Aprender com Condes