Экспорт таблицы счетчиков

Важно!

Поддержка Студии машинного обучения (классической) будет прекращена 31 августа 2024 г. До этой даты рекомендуется перейти на Машинное обучение Azure.

Начиная с 1 декабря 2021 года вы не сможете создавать новые ресурсы Студии машинного обучения (классической). Существующие ресурсы Студии машинного обучения (классическая версия) можно будет использовать до 31 августа 2024 г.

Поддержка документации по ML Studio (классической) прекращается, а сама документация может не обновляться в будущем.

Экспортирует таблицу счетчиков из сохраненного преобразования для использования с новыми данными

категория: Обучение с количеством

Примечание

применимо к: только Машинное обучение Studio (классическая модель)

Подобные модули перетаскивания доступны в конструкторе машинного обучения Azure.

Обзор модуля

в этой статье описывается, как использовать модуль экспорта таблиц счетчиков в Машинное обучение Studio (классическая модель). Модуль экспорта таблицы счетчиков предоставляется для обратной совместимости с экспериментами, в которых используется устаревшая таблица счетчиков сборок и нерекомендуемые модули Count характеризатора.

При использовании нового модуля преобразования подсчета сборки для создания функций на основе счетчика модуль выводит как набор данных признаками, так и Преобразование , которое создает функции из счетчиков. С помощью модуля Экспорт таблицы счетчика можно разделить функции на основе количества, выводимые этим новым модулем, в метаданные подсчета и таблицу счетчиков. Эти выходные форматы использовались ранее, теперь устаревшие модули:

общие сведения о таблицах счетчиков и их использовании для создания функций см. в разделе Обучение с подсчетами.

Для всех новых экспериментов рекомендуется использовать следующие модули:

Настройка таблицы счетчиков экспорта

  1. в Машинное обучение Studio (классическая модель) откройте эксперимент, в котором вы хотите использовать импортированную таблицу счетчиков.

  2. Выберите преобразование сохраненное число и добавьте его в эксперимент.

  3. Подключение выходные данные преобразования «преобразование сохраненного количества» (с меткой «преобразование») в таблицу «экспорт таблицы счетчиков».

  4. Добавьте в эксперимент модуль Count Характеризатора (не рекомендуется) и подключите его к двум выходным данным таблицы счетчиков экспорта.

  5. Модуль Count Характеризатора (не рекомендуется) требует дополнительного ввода для набора данных, который требуется создание признаков. Подключение набор данных, чтобы применить сохраненное преобразование к выходам.

  6. Задайте необходимые параметры для Count Характеризатора (не рекомендуется), включая столбец меток, столбцы Count, столбцы для создание признаков и функции для вывода.

    Необходимо выбрать подмножество столбцов, которые были изначально выбраны для преобразования «подсчета». Однако модуль Экспорт таблицы счетчиков не предоставляет список этих столбцов, поэтому необходимо просмотреть исходный эксперимент и запомните, какие столбцы использовались. При выборе столбца, который не использовался при создании преобразования, возникает ошибка.

Примеры

Изучите примеры Добавление признаков на основе количества, используя эти примеры экспериментов в Коллекция решений ии Azure:

Примечание

при открытии эксперимента из коллекции, созданного с использованием устаревших версий Обучение с модулями подсчетов , этот эксперимент автоматически обновляется для использования новых модулей.

Ожидаемые входные данные

Имя Тип Описание
Преобразование подсчета Интерфейс ITransform Преобразование подсчета.

Выходные данные

Имя Тип Описание
Метаданные счетчиков Таблица данных Метаданные счетчиков.
Таблица счетчиков Таблица данных Таблица счетчиков.

Исключения

Исключение Описание
Ошибка 0003 Исключение возникает, если один или несколько входных аргументов имеют значение NULL или пусты.
Ошибка 0086 Возникает исключение при недопустимом преобразовании подсчета.

список ошибок, относящихся к модулям студии (классическая версия), см. в разделе Машинное обучение коды ошибок.

список исключений API см. в разделе Машинное обучение REST API коды ошибок.

См. также раздел

Обучение с учетом количества