Algoritm & komponentreferens för Azure Machine Learning designer
Det här referensinnehållet ger teknisk bakgrund för var och en av de maskininlärningsalgoritmer och komponenter som är tillgängliga i Azure Machine Learning designer.
Varje komponent representerar en uppsättning kod som kan köras oberoende av varandra och utföra en maskininlärningsuppgift, med tanke på de indata som krävs. En komponent kan innehålla en viss algoritm eller utföra en uppgift som är viktig inom maskininlärning, till exempel saknade värden eller statistisk analys.
Hjälp med att välja algoritmer finns i
Tips
I alla pipelines i designern kan du få information om en specifik komponent. Välj länken Läs mer på komponentkortet när du hovrar över komponenten i komponentlistan eller i den högra rutan för komponenten.
Komponenter för förberedelse av data
| Funktioner | Beskrivning | -komponent |
|---|---|---|
| Indata och utdata | Flytta data från molnkällor till din pipeline. Skriv dina resultat eller mellanliggande data till Azure Storage, SQL Database eller Hive när du kör en pipeline, eller använd molnlagring för att utbyta data mellan pipelines. | Ange data manuellt Exportera data Importera data |
| Data Transformation | Åtgärder för data som är unika för maskininlärning, till exempel normalisering eller datadelning, minskning av antalet dimensioner och konvertering av data mellan olika filformat. | Lägg till kolumner Lägg till rader Använda matematisk åtgärd Använda SQL-transformering Rensa data som saknas Beskärningsvärden Konvertera till CSV Konvertera till datamängd Konvertera till indikatorvärden Redigera metadata Gruppera data till lagerplatser Koppla data Normalisera Data Partitionera och prova Ta bort dubblettrader SMOTE Välja kolumntranformering Välja kolumner i datauppsättning Dela data |
| Val av funktion | Välj en delmängd av relevanta, användbara funktioner som ska användas för att skapa en analysmodell. | Filterbaserat funktionsval Permutationfunktionsprioritet |
| Statistiska funktioner | Tillhandahålla en mängd olika statistiska metoder som är relaterade till data science. | Sammanfatta data |
Maskininlärningsalgoritmer
| Funktioner | Beskrivning | -komponent |
|---|---|---|
| Regression | Förutsäga ett värde. | Förbättrad regression för beslutsträd Regression för beslutsskog Fast Forest Quantile Regression Linjär regression Regression för Neural Network Poisson-regression |
| Klustring | Gruppera data. | K-means-klustring |
| Klassificering | Förutsäga en klass. Välj mellan binäralgoritmer (tvåklassalgoritmer) eller flerklassalgoritmer. | Förbättrat beslutsträd med flera klasser Beslutsskog med två klasser Logistic Regression med flera klasser Neural Network med flera klasser En-mot- alla-multiklass En-mot- En multiklass Genomsnittsperceptron med två klasser Tvåklassigt förbättrat beslutsträd Beslutsskog med två klasser Logistic Regression med två klasser Neural Network med två klasser Tvåklassig dator för vektorstöd |
Komponenter för att skapa och utvärdera modeller
Webbtjänst
Lär dig mer om de webbtjänstkomponenter som krävs för inferens i Azure Machine Learning designer.
Felmeddelanden
Lär dig mer om felmeddelanden och undantagskoder som kan uppstå när du använder komponenter Azure Machine Learning designern.