ML Studio-moduldatatyper (klassisk)

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.

• Se information om hur du flyttar maskininlärningsprojekt från ML Studio (klassisk) till Azure Machine Learning.
• Läs mer om Azure Machine Learning.

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

I den här artikeln beskrivs de .NET-datatyper som stöds i Machine Learning Studio (klassisk) för externa data. Den beskriver också de anpassade datatypklasser som används för att skicka data mellan moduler i ett experiment.

Tabell med .NET-datatyper

Följande .NET-typer stöds av Machine Learning Studio-moduler (klassisk).

.NET-datatyp	Kommentarer
Boolesk	https://msdn.microsoft.com/library/wts33hb3.aspx
Int16	https://msdn.microsoft.com/library/system.int16(v=vs.110).aspx
Int32	https://msdn.microsoft.com/library/06bkb8w2.aspx
Int64	https://msdn.microsoft.com/library/system.int64.aspx
Enkel	https://msdn.microsoft.com/library/system.single(v=vs.110).aspx
Double	https://msdn.microsoft.com/library/system.double(v=vs.110).aspx
Sträng	https://msdn.microsoft.com/library/system.string(v=vs.110).aspx
datetime	https://msdn.microsoft.com/library/system.datetime(v=vs.110).aspx
DateTimeOffset	https://msdn.microsoft.com/library/system.datetimeoffset(v=vs.110).aspx
TimeSpan	https://msdn.microsoft.com/library/system.timespan(v=vs.110).aspx
Byte	https://msdn.microsoft.com/library/system.byte(v=vs.110).aspx
Byte[]	https://msdn.microsoft.com/library/system.byte.aspx
GUID	GUID konverteras till strängar på indata

Tabell med anpassade datatyper

Dessutom stöder Machine Learning Studio (klassisk) följande anpassade dataklasser.

Datatyp	Beskrivning
Datatabell	DataTable-gränssnittet definierar strukturen för alla datauppsättningar som används i Machine Learning.
ICluster-gränssnitt	ICluster-gränssnittet definieras strukturen för klustringsmodeller.
IFilter-gränssnitt	IFilter-gränssnittet definierar strukturen för digitala signalbearbetningsfilter som tillämpas på en hel serie numeriska värden. Filter kan skapas och sedan sparas och tillämpas på en ny serie.
ILearner-gränssnitt	ILearner-gränssnittet ger en allmän struktur för att definiera och spara analytiska modeller, exklusive vissa särskilda typer, till exempel klustringsmodeller.
ITransform-gränssnitt	ITransform-gränssnittet har du en allmän struktur för att definiera och spara transformationer. Du kan skapa en iTransform med Machine Learning Studio (klassisk) och sedan tillämpa transformeringen på nya datauppsättningar.

Se även

Machine Learning Studio (klassisk)