Kümelere Veri Atama
Önemli
Machine Learning Stüdyosu (klasik) desteği 31 Ağustos 2024'te sona erecektir. Bu tarihe kadar Azure Machine Learning'e geçmenizi öneririz.
1 Aralık 2021'den başlayarak artık yeni Machine Learning Stüdyosu (klasik) kaynakları oluşturamayacaksınız. 31 Ağustos 2024'e kadar mevcut Machine Learning Stüdyosu (klasik) kaynaklarını kullanmaya devam edebilirsiniz.
- Makine öğrenmesi projelerini ML Studio'dan (klasik) Azure Machine Learning.
- Daha fazla bilgi Azure Machine Learning.
ML Stüdyosu (klasik) belgeleri kullanımdan kaldırılacak ve gelecekte güncelleştirilmeyecektir.
Mevcut eğitilmiş kümeleme modelini kullanarak kümelere veri atar
Kategori: Puan
Not
Uygulama: Machine Learning Studio (yalnızca klasik)
Benzer sürükle ve bırak modülleri tasarımcıda da Azure Machine Learning kullanılabilir.
Modüle genel bakış
Bu makalede, K-Means kümeleme algoritması kullanılarak eğitilmiş bir kümeleme modelini kullanarak tahminler oluşturmak için Machine Learning Studio'da (klasik) Kümelere Veri Atama modülünün nasıl kullanımı açıklanmıştır.
Modül, her yeni veri noktası için olası atamaları içeren bir veri kümesi döndürür. Ayrıca kümelerin boyutsallıklarını görselleştirmenize yardımcı olmak için bir PCA (Ana Bileşen Analizi) grafı oluşturur.
Uyarı
Bu modül, yalnızca eski denemelerin desteği için kullanılabilen Kümelere Ata (kullanım dışı) modülünün yerini almaktadır.
Kümelere Veri Atama kullanma
Machine Learning Studio'da (klasik), önceden eğitilmiş bir kümeleme modelini bulun. Aşağıdaki yöntemlerden birini kullanarak kümeleme modeli oluşturabilir ve eğitebilirsiniz:
K-Means Kümeleme modülünü kullanarak K-means algoritmasını yapılandırın ve ardından bir veri kümesi ve Kümeleme Modelini Eğitin modülünü kullanarak modeli eğitin .
K-Means Kümeleme kullanarak K-means algoritması için bir dizi seçenek yapılandırın ve ardından Tarama Kümeleme modülünü kullanarak modeli eğitin .
Çalışma alanınıza Kayıtlı Modeller grubundan mevcut bir eğitilmiş kümeleme modelini de ekebilirsiniz.
Eğitilen modeli Kümelere Veri Ata'nın sol giriş bağlantı noktasına iliştirin.
Giriş olarak yeni bir veri kümesi ekleme. Bu veri kümesinde etiketler isteğe bağlıdır. Genellikle kümeleme, kontrolsiz bir öğrenme yöntemidir, bu nedenle kategorileri önceden öğrenmeniz beklenmemektedir.
Ancak, giriş sütunları kümeleme modelini eğitken kullanılan sütunla aynı olmalıdır veya bir hata oluşur.
İpucu
Küme tahminlerinden gelen sütun çıkışlarının sayısını azaltmak için Veri Kümesinde Sütunları Seç'i kullanın ve sütunların bir alt kümesini seçin.
Sonuçların tam giriş veri kümesi içermesini ve sonuçları (küme atamaları) belirten bir sütunla birlikte gerçekleştirilen sonuçların içermesini istemiyorsanız, Yalnızca Sonuç Için Ekle veya Işaretini Kaldır seçeneğini seçili bırakın.
Bu seçeneğin işaretini kaldırsanız yalnızca sonuçları geri alırsiniz. Bu, bir web hizmetinin parçası olarak tahminler oluştururken yararlı olabilir.
Denemeyi çalıştırın.
Sonuçlar
Kümelere Veri Atama modülü, Sonuçlar veri kümesi çıkışında iki tür sonuç döndürür:
Modelde kümelerin ayrılmasını görmek için modülün çıkışına tıklayın ve Görselleştir'i seçin
Bu komut, her kümede değer koleksiyonunu iki bileşen ekseniyle eşleye bir Ana Bileşen Analizi (PCA) grafı görüntüler.
- İlk bileşen ekseni, modelde en fazla varyansı yakalayan birleşik özellik kümesidir. X ekseninde çizildi (Asıl Bileşen 1).
- Sonraki bileşen ekseni, ilk bileşene dik olan ve chart'a en sonraki en fazla bilgiyi ekleyen bazı birleşik özellik kümelerini temsil eder. Y ekseninde çizildi (Temel Bileşen 2).
Grafikten, kümeler arasındaki ayrımı ve kümelerin asıl bileşenleri temsil eden eksenler üzerinde nasıl dağıtıldıklarını görebilirsiniz.
Giriş verilerinde her bir büyük/küçük harfe göre sonuç tablosu görüntülemek için Veri Kümesine Dönüştür modülünü iliştirin ve sonuçları Studio'da (klasik) görselleştirin.
Bu veri kümesi, her durum için küme atamalarını ve bu özel durumun kümenin merkezine ne kadar yakın olduğuna dair bir gösterge veren bir uzaklık ölçümü içerir.
Çıkış sütunu adı Description Atamalar Veri noktasının atandığı kümeyi gösteren 0 tabanlı bir dizin. DistancesToClusterCenter no. n Her veri noktası için bu değer, veri noktasından atanan kümenin merkezine olan mesafeyi ve diğer kümelere olan mesafeyi gösterir.
Mesafeyi hesaplamak için kullanılan ölçüm, K ortalamalar kümeleme modelini yapılandırıldığında belirlenir.
Beklenen girişler
| Ad | Tür | Description |
|---|---|---|
| Eğitilen model | ICluster arabirimi | Eğitilen kümeleme modeli |
| Veri kümesi | Veri Tablosu | Giriş veri kaynağı |
Modül parametreleri
| Ad | Tür | Aralık | İsteğe Bağlı | Varsayılan | Description |
|---|---|---|---|---|---|
| Yalnızca Ekleme veya Sonuç | Gerekli | TRUE | Çıkış veri kümesi hem giriş veri kümesi hem de sonuçları mı yoksa yalnızca sonuçları mı içermesi gerektiğini belirtir | ||
| Parametre tarama modunu belirtme | Tarama Yöntemleri | List:Entire grid| Rastgele tarama | Gerekli | Rastgele tarama | Parametre alanı üzerinde kılavuzun tamamını tarama veya sınırlı sayıda örnek çalıştırma kullanarak tarama |
Çıkışlar
| Ad | Tür | Description |
|---|---|---|
| Sonuç veri kümesi | Veri Tablosu | Yalnızca atama veya atama sütunu veri sütunuyla eklenen giriş veri kümesi |
Özel durumlar
| Özel durum | Description |
|---|---|
| Hata 0003 | Bir veya daha fazla giriş null veya boşsa özel durum oluşur. |