Vowpal Wabbit Modelini Puanlama

  • Makale

Bu makalede, mevcut eğitilmiş Vowpal Wabbit modelini kullanarak bir dizi giriş verisi için puan oluşturmak üzere Azure Machine Learning tasarımcısında Vowpal Wabbit Modelini Puanla bileşeninin nasıl kullanılacağı açıklanır.

Bu bileşen Vowpal Wabbit çerçevesinin en son sürümünü, sürüm 8.8.1'i sağlar. VW sürüm 8 biçiminde kaydedilmiş eğitilmiş bir modeli kullanarak verileri puanlarken bu bileşeni kullanın.

Score Vowpal Wabbit Modelini yapılandırma

  1. Denemenize Vowpal Wabbit Modelini Puanla bileşenini ekleyin.

  2. Eğitilmiş bir Vowpal Wabbit modeli ekleyin ve bunu sol taraftaki giriş bağlantı noktasına bağlayın. Aynı denemede oluşturulan eğitilmiş bir modeli kullanabilir veya tasarımcının sol gezinti bölmesinin Veri kümeleri kategorisinde kaydedilmiş bir modeli bulabilirsiniz. Ancak modelin Azure Machine Learning Tasarımcısı'nda kullanılabilir olması gerekir.

    Not

    Yalnızca Vowpal Wabbit 8.8.1 modelleri desteklenir; diğer algoritmalar kullanılarak eğitilen kaydedilmiş modelleri bağlayamazsınız.

  3. Test veri kümesini ekleyin ve sağ giriş bağlantı noktasına bağlayın. Test veri kümesi test veri dosyasını içeren bir dizinse test veri dosyasının adını test veri dosyasının Adı ile belirtin. Test veri kümesi tek bir dosyaysa , Test veri dosyasının adı'nı boş bırakın.

  4. VW bağımsız değişkenleri metin kutusuna Vowpal Wabbit yürütülebilir dosyası için bir dizi geçerli komut satırı bağımsız değişkeni yazın.

    Azure Machine Learning'de hangi Vowpal Wabbit bağımsız değişkenlerinin desteklendiği ve desteklenmediği hakkında bilgi için Teknik Notlar bölümüne bakın.

  5. Test veri dosyasının adı: Giriş verilerini içeren dosyanın adını yazın. Bu bağımsız değişken yalnızca test veri kümesi bir dizin olduğunda kullanılır.

  6. Dosya türünü belirtin: Eğitim verilerinizin hangi biçimi kullandığını belirtin. Vowpal Wabbit şu iki giriş dosyası biçimlerini destekler:

    • VW , Vowpal Wabbit tarafından kullanılan iç biçimi temsil eder. Ayrıntılar için Vowpal Wabbit wiki sayfasına bakın.
    • SVMLight , diğer bazı makine öğrenmesi araçları tarafından kullanılan bir biçimdir.

  7. Etiketleri puanlarla birlikte çıkarmak istiyorsanız Etiket içeren fazladan bir sütun ekle seçeneğini belirleyin.

    Genellikle, metin verilerini işlerken Vowpal Wabbit etiket gerektirmez ve her veri satırı için yalnızca puanları döndürür.

  8. Ham puanları sonuçlarla birlikte çıkarmak istiyorsanız Ham puanlar içeren fazladan bir sütun ekleyin seçeneğini belirleyin.

  9. İşlem hattını gönderin.

Sonuçlar

Eğitim tamamlandıktan sonra:

  • Sonuçları görselleştirmek için Vowpal Wabbit Modelini Puanla bileşeninin çıkışına sağ tıklayın. Çıktı, 0 ile 1 normalleştirilmiş bir tahmin puanını gösterir.

  • Sonuçları değerlendirmek için çıkış veri kümesinin Modeli Değerlendirme bileşeni gereksinimlerini karşılayan belirli puan sütun adlarını içermesi gerekir.

    • Regresyon görevi için değerlendirilecek veri kümesinin puanlanmış etiketleri temsil eden adlı Regression Scored Labelsbir sütunu olmalıdır.
    • İkili sınıflandırma görevi için değerlendirilecek veri kümesinin, puanlanmış etiketleri ve olasılıkları temsil eden adlı Binary Class Scored LabelsBinary Class Scored Probabilitiesiki sütunu olmalıdır.
    • Çok sınıflandırmalı görev için değerlendirilecek veri kümesinin puanlanmış etiketleri temsil eden adlı Multi Class Scored Labelsbir sütunu olmalıdır.

    Vowpal Wabbit Modeli puanlama bileşeninin sonuçlarının doğrudan değerlendirilemediğini unutmayın. Değerlendirmeden önce veri kümesinin yukarıdaki gereksinimlere göre değiştirilmesi gerekir.

Teknik notlar

Bu bölüm uygulama ayrıntılarını, ipuçlarını ve sık sorulan soruların yanıtlarını içerir.

Parametreler

Vowpal Wabbit algoritmaları seçmek ve ayarlamak için birçok komut satırı seçeneğine sahiptir. Bu seçeneklerin tam bir tartışması burada mümkün değildir; Vowpal Wabbit wiki sayfasını görüntülemenizi öneririz.

Aşağıdaki parametreler Azure Machine Learning Studio'da (klasik) desteklenmez.

  • içinde belirtilen giriş/çıkış seçenekleri https://github.com/JohnLangford/vowpal_wabbit/wiki/Command-line-arguments

    Bu özellikler zaten bileşen tarafından otomatik olarak yapılandırılmıştır.

  • Ayrıca, birden çok çıkış oluşturan veya birden çok giriş alan tüm seçeneklere izin verilmez. Bunlar arasında --cbt, --ldave --wapbulunur.

  • Yalnızca denetimli öğrenme algoritmaları desteklenir. Bu, şu seçeneklere izin vermemektedir: –active, --rank, --search vb.

Yukarıda açıklananlar dışındaki tüm bağımsız değişkenlere izin verilir.

Sonraki adımlar

Azure Machine Learning'in kullanabileceği bileşenler kümesine bakın.