Выполнение конвейеров Машинного обучения Azure в Фабрике данных Azure и Synapse Analytics

  • Статья

Область применения:Фабрика данных Azure Azure Synapse Analytics

Совет

Попробуйте использовать фабрику данных в Microsoft Fabric, решение для аналитики с одним интерфейсом для предприятий. Microsoft Fabric охватывает все, от перемещения данных до обработки и анализа данных в режиме реального времени, бизнес-аналитики и отчетности. Узнайте, как бесплатно запустить новую пробную версию !

Конвейеры службы "Машинное обучение Azure" можно выполнять в качестве шага в конвейерах Фабрики данных Azure и Synapse Analytics. Действия выполнения конвейера в Машинном обучении позволяют осуществлять пакетное выполнение сценариев прогнозирования, таких как определение возможных невозвратов по займам, определение тональности и анализ шаблонов поведения клиентов.

В приведенном ниже шестиминутном видеоролике рассказывается об этой функции и представлена демонстрация ее возможностей.

Создание действия Execute Pipeline Машинного обучения с помощью пользовательского интерфейса

Чтобы использовать действие Execute Pipeline Машинного обучения в конвейере, выполните следующие действия.

  1. Выполните поиск фразы Машинное обучение в области "Действия" конвейера и перетащите действие Execute Pipeline Машинного обучения на холст конвейера.

  2. Выберите новое действие Execute Pipeline Машинного обучения на холсте, если оно еще не выбрано, и перейдите на вкладку Параметры, чтобы изменить сведения о нем.

    Shows the UI for a Machine Learning Execute Pipeline activity.

  3. Выберите существующую или создайте новую связанную службу Машинного обучения Azure. Укажите сведения о конвейере и эксперименте, а также все параметры конвейера и пути к данным, необходимые для конвейера.

Синтаксис

{
    "name": "Machine Learning Execute Pipeline",
    "type": "AzureMLExecutePipeline",
    "linkedServiceName": {
        "referenceName": "AzureMLService",
        "type": "LinkedServiceReference"
    },
    "typeProperties": {
        "mlPipelineId": "machine learning pipeline ID",
        "experimentName": "experimentName",
        "mlPipelineParameters": {
            "mlParameterName": "mlParameterValue"
        }
    }
}

Свойства типа

Свойство Description Допустимые значения Обязательное поле
name Имя действия в конвейере. Строка Да
type Тип действия — "AzureMLExecutePipeline" Строка Да
linkedServiceName Связанная служба Машинного обучения Azure Ссылка на связанную службу Да
mlPipelineId Идентификатор опубликованного конвейера Машинного обучения Azure Строка (или выражение с типом результата "строка") Да
experimentName Имя эксперимента журнала выполнения конвейера Машинного обучения Строка (или выражение с типом результата "строка") No
mlPipelineParameters Пары "ключ-значение", которые необходимо опубликовать на конечной точке конвейера Машинного обучения Azure. Ключ должен соответствовать именам параметров конвейера, определенным в опубликованном конвейере Машинного обучения. Объект с парами "ключ-значение" (или выражение с объектом resultType) No
mlParentRunId Идентификатор родительского выполнения конвейера Машинного обучения Azure Строка (или выражение с типом результата "строка") No
dataPathAssignments Словарь, используемый для изменения путей данных в Машинном обучении Azure. Включает переключение каналов данных Объект с парами ключ-значение No
continueOnStepFailure Указание того, следует ли продолжать выполнение других шагов в рамках выполнения конвейера Машинного обучения, если шаг завершился сбоем boolean No

Примечание.

Чтобы заполнить элементы раскрывающегося меню имени и идентификатора конвейера Машинного обучения, у пользователя должно быть разрешение на перечисление конвейеров ML. Пользовательский интерфейс вызывает интерфейсы API AzureMLService напрямую, используя учетные данные пользователя, вошедшего в систему.

Связанный контент

Ознакомьтесь со следующими ссылками, в которых описаны способы преобразования данных другими способами: