Студия машинного обучения Azure (классическая версия): справка по алгоритмам и модулям

Совет

Клиентам, которые сейчас используют или оценивают Студию машинного обучения (классическую), рекомендуется опробовать конструктор Машинного обучения Azure, который предоставляет перетаскиваемые модули Машинного обучения и обеспечивает масштабируемость, управление версиями и корпоративную безопасность.

Студия машинного обучения Azure (классическая) — это облачная служба прогнозной аналитики, которая позволяет быстро создавать и развертывать прогнозные модели в качестве решений аналитики. Средства машинного обучения в основном представляют собой облачные службы, что устраняет проблемы с настройкой и установкой, так как вы можете работать через веб-браузер на любом ПК, подключенном к Интернету. См. статью Что такое Студия машинного обучения (классическая)? вы найдете дополнительные сведения.

Эта документация содержит подробные технические и практические сведения о модулях, доступных в Студии машинного обучения (классической).

Что такое модуль?

Каждый модуль в Студии машинного обучения (классической) представляет собой набор кода, который может выполняться независимо для запуска задачи машинного обучения с учетом требуемых входных данных. Модуль может содержать определенный алгоритм или выполнять задачу, важную для машинного обучения, например, замена отсутствующего значения или статистический анализ.

В Студии (классической) модули упорядочены по функциональным возможностям:

  • Модули входных и выходных данных выполняют перенос данных из облачных источников в ваш эксперимент. Вы можете записать результаты или промежуточные данные в службу хранилища Azure, базу данных SQL или Hive во время выполнения эксперимента или использовать облачное хранилище для обмена данными между экспериментами.

  • Модули преобразования данных поддерживают операции с данными, которые являются уникальными для машинного обучения, такие как нормализация или группирование данных, выбор признаков и сокращение размерности.

  • Алгоритмы машинного обучения, такие как кластеризация, метод опорных векторов или нейронные сети, доступны в отдельных модулях, которые позволяют настроить задачу машинного обучения с помощью соответствующих параметров. Для задач классификации можно выбрать один из двоичных или многоклассовых алгоритмов.

    После настройки модели используйте модуль обучения для обработки данных с помощью алгоритма и измеряйте точность обученной модели с помощью одного из модулей вычисления. Чтобы получить прогнозы из модели, которую вы только что обучили, используйте один из модулей оценки.

  • Обнаружение аномалий. Студия машинного обучения (классическая) содержит несколько алгоритмов, специализированных для выполнения этих задач.

  • Модули текстовой аналитики поддерживают различные задачи обработки естественного языка.

  • Благодаря поддержке Vowpal Wabbit упрощается использование этой масштабируемой платформы.

  • Модули Python и R позволяют легко выполнять пользовательские функции. Вы записываете код и внедряете его в модуль, чтобы интегрировать Python и R со службой экспериментов.

  • Библиотека OpenCV предоставляет модули, подходящие для конкретных задач распознавания изображений.

  • Анализ временных рядов поддерживает обнаружение аномалий во временных рядах.

  • Статистические модули предоставляют широкий спектр числовых методов, относящихся к обработке и анализу данных. Найдите в этой группе методы корреляции, сводки данных, а также статистические и математические операции.

В этом разделе справочника вы найдете техническое описание алгоритмов машинного обучения, сведения о реализации, если они доступны, и ссылки на примеры экспериментов, демонстрирующие использование модуля. Вы можете скачать примеры из Коллекции решений ИИ Azure в рабочую область. Эти примеры предназначены для общего использования.

Совет

Если вы вошли в Студию машинного обучения (классическую) и создали эксперимент, вы можете получить сведения о конкретном модуле. Выберите модуль, а затем щелкните ссылку more help (дополнительная помощь) в области Quick Help (Экспресс-справка).

Другие технические ссылки

Section Описание
Список типов данных В этом разделе содержатся справочные материалы, описывающие интерфейсы обучения и формат DataTable, используемый для наборов данных.
Список исключений В этом разделе перечислены ошибки, которые могут возникнуть в модулях, а также причины и возможные обходные решения.

Список кодов ошибок, связанных с API веб-службы, см. в статье Azure Machine Learning Studio REST API Error Codes (Коды ошибок REST API Студии машинного обучения Azure).

См. также раздел

Документация по Студии машинного обучения Azure (классической)