Veri dönüştürme-ölçeklendirme ve azaltma
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 öğrenimi projelerini ML Studio (klasik) konumundan Azure Machine Learning taşımaya yönelik bilgilerebakın.
- Azure Machine Learninghakkında daha fazla bilgi edinin.
ML Stüdyosu (klasik) belgeleri kullanımdan kaldırılacak ve gelecekte güncelleştirilmeyecektir.
bu makalede, sayısal verilerle çalışmanıza yardımcı olabilecek Machine Learning Studio 'daki (klasik) modüller açıklanmaktadır. Makine öğrenimi için, ortak veri görevleri kırpma, atma ve sayısal değerleri normalleştirilebilmesini içerir. Diğer modüller boyutlılık azaltmaya destek.
Not
uygulama hedefi: yalnızca Machine Learning Studio (klasik)
benzer sürükle ve bırak modülleri Azure Machine Learning tasarımcısındakullanılabilir.
Sayısal verileri Modellendirme
Sayısal değişkenleri normalleme, atma veya yeniden dağıtma gibi görevler, makine öğrenimine yönelik veri hazırlığının önemli bir parçasıdır. Bu gruptaki modüller aşağıdaki veri hazırlama görevlerini destekler:
- Verileri, değişen boyutlardaki veya dağıtımların sepetlerine göre gruplandırma.
- Aykırı değerleri kaldırma veya değerlerini değiştirme.
- Bir dizi sayısal değeri belirli bir aralığa normalleştirileme.
- Yüksek boyutlu bir veri kümesinden kompakt bir özellik sütunları oluşturma.
İlişkili görevler
- Modeli oluştururken kullanılacak ilgili ve yararlı özellikleri seçin: özellik seçimini veya Fisher doğrusal ayırt edici analiz modüllerini kullanın.
- değerlerin sayılarına göre özellikler ' i seçin: sayı ile Learning kullanın.
- Eksik değerleri kaldırın veya değiştirin: eksik veri silme modülünü kullanın.
- Kategorik değerlerini hesaplamalardan türetilmiş sayısal değerlerle değiştirin: farklı değerleri Değiştir modülünü kullanın.
- Ayrı veya sayısal sütunlar için bir olasılık dağıtımını hesaplama: olasılık Işlevini değerlendir Işlevini kullanın.
- Dijital sinyalleri ve dalga formlarını filtreleme ve dönüştürme: filtre modülünü kullanın.
Modül listesi
Bu veri dönüştürme-ölçek ve azaltma kategorisi aşağıdaki modülleri içerir:
- Klip değerleri: aykırı değerleri algılar ve sonra değerlerini kırpar veya değiştirir.
- Verileri depo gözlerine gruplandırma: sayısal verileri depo gözlerine yerleştirir.
- Verileri normalleştirin: veri kümesi değerlerini standart bir aralığa kısıtlamak için sayısal verileri yeniden ölçeklendirin.
- Sorumlu bileşen analizi: daha verimli öğrenme için boyutlılık azaltılan bir özellik kümesini hesaplar.