A-Z-lista över Machine Learning Studio-moduler (klassisk)

  • Artikel

Viktigt

Stödet för Machine Learning Studio (klassisk) upphör den 31 augusti 2024. Vi rekommenderar att du byter till Azure Machine Learning innan dess.

Från och med den 1 december 2021 kan du inte längre skapa nya Machine Learning Studio-resurser (klassisk). Du kan fortsätta att använda befintliga Machine Learning Studio-resurser (klassisk) till och med den 31 augusti 2024.

Dokumentationen om ML Studio (klassisk) håller på att dras tillbaka och kanske inte uppdateras i framtiden.

Tips

Kunder som för närvarande använder eller utvärderar Machine Learning Studio (klassisk) rekommenderas att testa Azure Machine Learning Designer, ett verktyg som erbjuder ML-moduler plus ”dra och släpp”-funktion, skalbarhet, versionskontroll och företagssäkerhet.

Modulerna omfattar en mängd olika funktioner som krävs för maskininlärningsuppgifter:

  • Funktioner för datakonvertering
  • Datatransformeringsfunktioner
  • Moduler för att köra R- eller Python-skript
  • Algoritmer, inklusive:
    • Beslutsträd
    • Beslutsskogar
    • Klustring
    • Tidsserier
    • Rekommendationsmodeller
    • Avvikelseidentifiering

Så här hittar du en modul:

  • Om du känner till namnet på modulen använder du den alfabetiska tabellen som ett index för att snabbt hitta en specifik modul eller algoritm.
  • En lista över modulerna efter funktionskategori finns i Modulkategorier och beskrivningar.

Alfabetisk tabell med moduler

Modulnamn Description
Lägg till kolumner Lägger till en uppsättning kolumner från en datauppsättning till en annan.
Lägg till rader Lägger till en uppsättning rader från en indatauppsättning i slutet av en annan datauppsättning.
Använd filter Tillämpar ett filter på angivna kolumner i en datauppsättning.
Använda matematisk åtgärd Tillämpar en matematisk åtgärd på kolumnvärden.
Använda SQL-transformering Kör en SQLite-fråga på indatauppsättningar för att transformera data.
Använda transformering Tillämpar en väl angiven datatransformering på en datauppsättning.
Tilldela data till kluster Tilldelar data till kluster med hjälp av en befintlig tränad klustringsmodell.
Bayesiansk linjär regression Skapar en bayesisk linjär regressionsmodell.
Förbättrad regression för beslutsträd Skapar en regressionsmodell med hjälp av den förstärkta beslutsträdsalgoritmen.
Byggräkningstransform Skapar antal som ska användas för att skapa funktioner.
Rensa data som saknas Anger hur du hanterar värden som saknas i en datauppsättning.
Beskärningsvärden Identifierar avvikande värden och klipper sedan ut eller ersätter deras värden.
Beräkna elementär statistik Beräknar angiven sammanfattningsstatistik för valda datauppsättningskolumner.
Identifiera språk Identifierar språket för varje rad i indatafilen.
Beräkna linjär korrelation Beräknar den linjära korrelationen mellan kolumnvärden i en datauppsättning.
Konvertera till ARFF Konverterar indata till attributrelationsfilformatet som används av Weka-verktygsuppsättningen.
Konvertera till CSV Konverterar indata till ett format med kommaavgränsade värden.
Konvertera till datamängd Konverterar indata till det interna datamängdsformat som används av Machine Learning.
Konvertera till indikatorvärden Konverterar kategoriska värden i kolumner till indikatorvärden.
Konvertera till SVMLight Konverterar indata till det format som används av SVMlight-ramverket.
Konvertera till TSV Konverterar indata till tabbavgränsat format.
Skapa R-modell Skapar en R-modell med hjälp av anpassade resurser.
Kors validera modell Kors validerar parameteruppskattningar för klassificerings- eller regressionsmodeller genom att partitionera data.
Regression för beslutsskog Skapar en regressionsmodell med hjälp av beslutsskogsalgoritmen.
Identifiera språk Identifierar språket för varje rad i indatafilen.
Redigera metadata Redigerar metadata som är associerade med kolumner i en datauppsättning.
Ange data manuellt Gör det möjligt att ange och redigera små datauppsättningar genom att skriva värden.
Utvärdera modell Utvärderar en poängklassificerings- eller regressionsmodell med hjälp av standardmått.
Funktionen Utvärdera sannolikhet Passar en angiven sannolikhetsfördelningsfunktion till en datauppsättning.
Utvärdera rekommenderare Utvärderar noggrannheten för modellförutsägelser av rekommenderare.
Köra Python-skript Kör ett Python-skript från ett Machine Learning experiment.
Köra R-skript Kör ett R-skript från ett Machine Learning experiment.
Tabell för antal exporter Exporterar antal från en count-transformering.
Exportera data Skriver en datauppsättning till webb-URL:er eller till olika former av molnbaserad lagring i Azure, till exempel tabeller, blobar Azure SQL databaser.

Den här modulen hette tidigare Writer.
Extrahera nyckelfraser från text Extraherar nyckelord och fraser från en textkolumn.
Extrahera N-Gram-funktioner från text Skapar N-Gram-ordlistefunktioner och gör sedan funktionsval på dem.
Fast Forest Quantile Regression Skapar en modell för kvantil regression.
Funktions-hash Konverterar textdata till heltalskodade funktioner med hjälp av Vowpal Wabbit-biblioteket.
Filterbaserat funktionsval Identifierar funktionerna i en datamängd som har störst förutsägelsekraft.
FIR-filter Skapar ett ändliga svarsfilter för utfellning för signalbearbetning.
Linjär diskriminant analys för Fisher Identifierar den linjära kombinationen av funktionsvariabler som bäst kan gruppera data i separata klasser.
Gruppera kategoriska värden Grupperar data från flera kategorier till en ny kategori.
Gruppera data till lagerplatser Placerar numeriska data i lagerplatser.
IIR-filter Skapar ett oändligt svarsfilter för svar för signalbearbetning.
Tabell för antal import Importerar antal från en befintlig count-tabell.
Importera data Läser in data från externa källor på webben eller från olika former av molnbaserad lagring i Azure, till exempel tabeller, blobar, SQL databaser och Azure Cosmos DB. Kan läsa in data från en lokal SQL Server databas om en gateway har konfigurerats.

Den här modulen hette tidigare Läsare.
Importera avbildningar Läser in bilder från Azure Blob Storage till en datauppsättning.
Koppla data Ansluter till två datauppsättningar.
K-means-klustring Konfigurerar och initierar en K-means-klustringsmodell.
Latent Dirichlet-allokering Utför ämnesmodellering med hjälp av Vowpal Wabbit-biblioteket för Latent Dirichlet Allocation (LDA).
Linjär regression Skapar en linjär regressionsmodell.
Belastningsuttränad modell Hämtar en tränad modell som du kan använda för bedömning i ett experiment.
Medianfilter Skapar ett medianfilter som används för att jämna ut data för trendanalys.
Sammanslå antal transformeringar Sammanfogar två uppsättningar med count-tabeller.
Ändra tabellparametrar för antal Skapar en kompakt uppsättning antalsbaserade funktioner från count-tabeller.
Glidande medelvärdesfilter Skapar ett glidande medelvärdesfilter som jämnar ut data för trendanalys.
Beslutsskog med två klasser Skapar en klassificeringsmodell med flera klasser med hjälp av beslutsskogsalgoritmen.
Beslutsklass för flera klasser Skapar en klassificeringsmodell med flera klasser med hjälp av beslutsalgoritmen.
Logistic Regression med flera klasser Skapar en klassificeringsmodell för logistisk regression med flera klasser.
Neural Network med flera klasser Skapar en klassificeringsmodell med flera klasser med hjälp av en algoritm för neuralt nätverk.
Igenkänning av namngiven enhet Identifierar namngivna entiteter i en textkolumn.
Regression för Neural Network Skapar en regressionsmodell med hjälp av en algoritm för neuralt nätverk.
Normalisera Data Skalar om numeriska data för att begränsa datauppsättningsvärden till ett standardintervall.
One-Class Support Vector Machine Skapar en modell med en enda stödvektormaskin för avvikelseidentifiering.
En-mot-alla – multiklass Skapar en klassificeringsmodell med flera klasser från en ensemble med binära klassificeringsmodeller.
Ordningstals regression Skapar en ordningstals regressionsmodell.
Partitionera och prova Skapar flera partitioner av en datauppsättning baserat på sampling.
Permutationfunktionsprioritet Beräknar permutationsfunktionspoängen för funktionsvariabler i en tränad modell och en testdatamängd.
PCA-baserad avvikelseidentifiering Skapar en avvikelseidentifieringsmodell med hjälp av huvudkomponentanalys (PCA).
Poisson-regression Skapar en regressionsmodell som förutsätter att data har en Poisson-fördelning.
Förbearbeta text Utför rensningsåtgärder på text.
Förtränad bildklassificering av kaskad Skapar en förtränad bildklassificeringsmodell för frontalsidor med hjälp av OpenCV-biblioteket.
Analys av huvudkomponent Beräknar en uppsättning funktioner som har minskad dimensionalitet för mer effektiv inlärning.
Ta bort dubblettrader Tar bort dubblettrader från en datauppsättning.
Ersätta diskreta värden Ersätter diskreta värden från en kolumn med numeriska värden baserat på en annan kolumn.
Poängmatchningbox-rekommenderare Poängförutsägelser för en datauppsättning med hjälp av Matchbox-rekommenderaren.
Poängmodell Poängförutsägelser för en tränad klassificerings- eller regressionsmodell.
Poäng för Vowpal Wabbit 7-4-modell Poängdata med hjälp av Vowpal Wabbit-maskininlärningssystemet.

Kräver en tränad modell som skapats med vowpal Wabbit version 7-4 och 7-6.
Poäng för Vowpal Wabbit 7-10-modell Poängdata med hjälp av Vowpal Wabbit-maskininlärningssystemet.

Kräver en tränad modell som skapats med vowpal Wabbit version 7-10.
Poäng för Vowpal Wabbit 8-modell Poängdata med hjälp av Vowpal Wabbit-maskininlärningssystemet från kommandoradsgränssnittet.

Kräver en tränad modell som skapats med vowpal Wabbit version 8.
Välja kolumner i datauppsättning Markerar kolumner som ska inkluderas i eller undantas från en datauppsättning i en åtgärd.
SMOTE Ökar antalet exempel med låg förekomst i en datamängd genom att använda syntetisk översampling.
Dela data Partitioner raderna i en datauppsättning i två distinkta uppsättningar.
Sammanfatta data Genererar en grundläggande beskrivande statistikrapport för kolumnerna i en datauppsättning.
Rensa klustring Utför en parametersökning på en klustringsmodell för att fastställa optimala parameterinställningar.
Testhypotes med T-test Jämför innebär från två datauppsättningar med hjälp av ett t-test.
Tröskelvärdesfilter Skapar ett tröskelvärdesfilter som begränsar värden.
Avvikelseidentifiering i tidsserier Lär dig en trend i tidsseriedata och använder sedan trenden för att identifiera avvikelser.
Träna avvikelseidentifieringsmodell Tränar en avvikelseidentifieringsmodell och etiketterar sedan data från träningsuppsättningen.
Träna klustringsmodellen Tränar en klustringsmodell och tilldelar sedan data från träningsuppsättningen till kluster.
Träna Matchbox-rekommenderaren Tränar en Bayesian-rekommenderare med hjälp av Matchbox-algoritmen.
Träningsmodell Tränar en klassificerings- eller regressionsmodell på ett övervakat sätt.
Träna Vowpal Wabbit 7-4-modell Tränar en modell från Vowpal Wabbit-maskininlärningssystemet.

Den här modulen är för kompatibilitet med Vowpal Wabbit version 7-4 och 7-6.
Träna Vowpal Wabbit 7-10-modell Tränar en modell från Vowpal Wabbit-maskininlärningssystemet.

Den här modulen är för Vowpal Wabbit version 7-10.
Träna Vowpal Wabbit 8-modell Träna en modell med hjälp av version 8 av vowpal Wabbit-maskininlärningssystemet.

Den här modulen är för Vowpal Wabbit version 8.
Finjustera hyperparametrar för modell Utför en parametersökning på en regressions- eller klassificeringsmodell för att fastställa optimala parameterinställningar.
Genomsnittsperceptron med två klasser Skapar en genomsnittlig binär klassificeringsmodell för perceptron.
Bayes Point-dator med två klasser Skapar en binär klassificeringsmodell för Bayes-punktmaskin.
Tvåklassigt förbättrat beslutsträd Skapar en binär klassificerare med hjälp av en förstärkt beslutsträdsalgoritm.
Beslutsskog med två klasser Skapar en klassificeringsmodell med två klasser med hjälp av beslutsskogsalgoritmen.
Beslutsklass med två klasser Skapar en klassificeringsmodell med två klasser med hjälp av beslutsalgoritmen.
Stödvektormaskin med två klasser lokalt djup Skapar en binär klassificeringsmodell med hjälp av algoritmen för lokalt djupstödvektormaskin.
Logistic Regression med två klasser Skapar en logistisk regressionsmodell med två klasser.
Neural Network med två klasser Skapar en binär klassificerare med hjälp av en algoritm för neuralt nätverk.
Two-Class Support Vector Machine (Tvåklassig dator för vektorstöd) Skapar en binär klassificeringsmodell med hjälp av algoritmen för stödvektormaskin.
Packa upp komprimerade datauppsättningar Packar upp datauppsättningar från ett .zip-paket i användarlagring.
Användardefinierat filter Skapar ett anpassat ändligt eller oändligt svarsfilter.

Se även