Dönüşüm Uygulama

Veri kümesine iyi belirtilmiş bir veri dönüştürmesi uygular

Kategori: Machine Learning/puan

Not

Için geçerlidir: Machine Learning Studio (klasik)

Bu içerik yalnızca Studio (klasik) ile ilgili. Benzer sürükle ve bırak modülleri bir tasarımcıya Azure Machine Learning eklendi. İki sürümü karşılaştıran bu makalede daha fazla bilgi bulabilirsiniz.

Modüle genel bakış

Bu makalede, önceden hesaplanan bir dönüşüme göre giriş veri kümesini değiştirmek için Azure Machine Learning Studio (klasik) ' de dönüştürme modülünün nasıl kullanılacağı açıklanır.

Örneğin, normalize verileri modülünü kullanarak eğitim verilerinizi normalleştirmek için z puanları kullandıysanız, Puanlama aşamasında eğitim için hesaplanmış z puanı değerini de kullanmak istersiniz. Azure Machine Learning Studio (klasik) ' de, normalleştirme yöntemini bir dönüşüm olarak kaydederek ve sonra, Puanlama yapmadan önce giriş verilerine z puanı uygulamak için dönüştürme uygula ' yı kullanarak bunu kolayca yapabilirsiniz.

Azure Machine Learning Studio (klasik), birçok farklı tür özel dönüştürme oluşturmak ve uygulamak için destek sağlar. Örneğin, aşağıdakileri yapan dönüştürmeleri kaydetmek ve yeniden kullanmak isteyebilirsiniz:

Dönüştürme uygula kullanımı

  1. Deneme bilgisayarınıza dönüştürme modülünü Uygula ' yı ekleyin. Puan kategorisinde Machine Learning altında Thi modülünü bulabilirsiniz.

  2. Giriş olarak kullanmak için mevcut bir dönüştürmeyi bulun.

    Dönüşüm denemede daha önce oluşturulduysa (örneğin, temizleme veya veri ölçeklendirme işleminin bir parçası olarak), genellikle ıransform arabirimi nesnesi Modülün sağ çıktısında bulunur. Bu çıktıyı, dönüştürme uygula'nın sol tarafındaki girişine bağlayın.

    Daha önce kaydedilen dönüştürmeler sol gezinti bölmesindeki Dönüşümler grubunda bulunabilir.

    İpucu

    Bir deneme için dönüştürme tasarlar ancak açıkça kaydetmeyecek olursanız, oturumunuz açık olduğu sürece dönüştürme çalışma alanında kullanılabilir. Oturumu kapatır ancak dönüştürmeyi kaydedenin ITransform arabirimi nesnesini oluşturmak için denemeyi yeniden çalıştırabilirsiniz.

  3. Dönüştürmek istediğiniz veri kümesine bağlanabilirsiniz. Veri kümesi, dönüşümün ilk tasarlanma zaman kümesiyle tam olarak aynı şemaya (sütun sayısı, sütun adları, veri türleri) sahip olmalıdır.

  4. Başka bir parametrenin ayarlanmış olması gerekli değil; dönüştürme tanımlayarak tüm özelleştirmeler yapılır.

  5. Yeni veri kümesine dönüştürme uygulamak için denemeyi çalıştırın.

Örnekler

Bu modülün makine öğrenmesinde nasıl kullanılı olduğunu görmek içinAzure Yapay Zeka Galerisi:

Teknik notlar

Dönüştürme Uygula modülü, bir ITransform arabirimi oluşturan herhangi bir modülün çıkışını girdi olarak alır. Bu modüller şunlardır:

İpucu

Ayrıca dijital sinyal işleme için tasarlanmış filtreleri kaydedebilir ve yeniden kullanabilirsiniz. Ancak filtreler, ITransform arabirimi yerine IFilter arabirimini kullanır.

Beklenen girişler

Ad Tür Description
Dönüşüm ITransform arabirimi Birli veri dönüşümü
Veri kümesi Veri Tablosu Dönüştürülecek veri kümesi

Çıkışlar

Ad Tür Description
Dönüştürülmüş veri kümesi Veri tablosu Dönüştürülmüş veri kümesi

Özel durumlar

Özel durum Description
Hata 0003 Bir veya daha fazla giriş null veya boş olduğunda özel durum oluşur.

Studio (klasik) modüllerine özgü hataların listesi için bkz. Machine Learning hata kodları.

API özel durumlarının listesi için bkz. Machine Learning REST API hata kodları.

Ayrıca bkz.

Filtreyle
SQL dönüşümünü Uygula
Eksik verileri temizle
Verileri Normalleştir
A-Z modül listesi
Verileri Kutulara Gruplama