ML Studio (klasik) modülü açıklamaları

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.

ML Stüdyosu (klasik) belgeleri kullanımdan kaldırılacak ve gelecekte güncelleştirilmeyecektir.

Bu konu, tahmine dayalı modelleri kolayca derlemeye ve test etmek için etkileşimli ve görsel bir çalışma alanı olan Machine Learning Studio'ya (klasik) dahil olan tüm modüllere genel bir bakış sağlar.

Not

Uygulama: Machine Learning Studio (yalnızca klasik)

Benzer sürükle ve bırak modülleri tasarımcıda da Azure Machine Learning kullanılabilir.

Modül nedir?

Machine Learning Studio'da (klasik) modül, deneme oluşturmak için kullanılan bir yapı taşıdır. Her modül, çalışma alanınız üzerinde veri üzerinde eyleme geçen belirli bir makine öğrenmesi algoritmasını, işlevi veya kod kitaplığını kapsüller. Modüller, verileri paylaşmak ve değiştirmek için diğer modüllerden gelen bağlantıları kabul etmek üzere tasarlanmıştır.

Her modülde çalışan kod birçok farklı kaynaktan gelir. Bunlar arasında açık kaynak kitaplıklar ve diller, Microsoft Research tarafından geliştirilen algoritmalar ve Azure ve diğer bulut hizmetleriyle çalışma araçları yer alır.

İpucu

Makine öğrenmesi algoritmalarını mı arıyorsunuz? Karar ağaçları Machine Learning, sinir ağları ve diğer modüller için modülleri içeren veri kategorisine bakın. Train veEvaluate kategorileri , modellerinizi eğitip test etmeye yardımcı olacak modüller içerir.

Modülleri bağlayarak ve yapılandırarak, dış kaynaklardan verileri okuyabilen, analiz için hazırlar, makine öğrenmesi algoritmaları uygulanan ve sonuçlar oluşturan bir iş akışı oluşturabilirsiniz.

Machine Learning Studio'da (klasik) bir deneme açık olduğunda sol gezinti bölmesinde geçerli modüllerin tam listesini görebilirsiniz. Bu yapı taşlarını denemenize sürükler ve ardından bunları bağarak deneme adı verilen eksiksiz bir makine öğrenmesi iş akışı oluşturabilirsiniz.

Bazen modüller yeni işlevler eklemek veya eski kodu kaldırmak için güncelleştirilir. Bu durumda, modülü kullanan oluşturduğunuz tüm denemeler çalışmaya devam eder. Ancak denemeyi bir sonraki aç farklı bir modülde yükseltmeniz veya farklı bir modül kullanmanız istenir.

Örnekler

Eksiksiz bir makine öğrenmesi denemesi oluşturma örneği için şu öğreticilere bakın:

Modül kategorileri

İlgili modülleri daha kolay bulmak için Machine Learning Studio'daki (klasik) makine öğrenmesi araçları bu kategorilere göre gruplandırıldı.

Veri Biçimi dönüştürmeleri

Verileri diğer makine öğrenmesi araçları veya biçimleri tarafından kullanılan biçimlerden biri haline dönüştürmek için bu modülleri kullanın.

  • Veri Girişi ve Çıkışı

    Hadoop kümeleri, Azure Tablo depolama ve web URL'leri dahil olmak üzere bulut veri kaynaklarından veri ve modelleri okumak için bu modülleri kullanın. Sonuçları depolama alanına veya veritabanına yazmak için de bu modülleri kullanabilirsiniz.

  • Veri Dönüştürme

    Verileri analize hazırlamak için bu modülleri kullanın. Veri türlerini değiştirebilir, sütunları özellik veya etiket olarak bayrakla gösterebilirsiniz, özellik oluşturabilirsiniz ve verileri ölçeklendirip normalleştirebilirsiniz.

  • Filtrele

    Dijital sinyal işlemeden türetilen sayısal verileri dönüştürme.

  • Learning Ile Birlikte

    Büyük veri kümelerini sıkıştırılmış bir şekilde açıklayan özellikler oluşturmak için ortak olasılık dağıtımlarını kullanın.

  • Manipülasyon

    Bu grup, veri bilimi için çeşitli araçlar sağlar. Örneğin, eksik değerleri kaldırabilir veya değiştirebilir, sütunların bir alt kümesini seçebilir, sütun ekleyebilir veya iki veri kümesini bir ekleyebilirsiniz.

  • Örnek ve Bölme

    Eğitim ve test kümeleri oluşturmak veya belirli satırları yalıtmak için veri kümelerini ölçütlere veya boyuta göre bölün.

  • Ölçeklendirme ve Azaltma

    Sayısal verileri dönüştürme.

Özellik Seçimi

Yaygın olarak araştırilen istatistiksel yöntemleri kullanarak verilerinizde en iyi özellikleri belirlemek için bu modülleri kullanın.

Machine Learning

Bu grup, uygulama tarafından desteklenen makine öğrenmesi algoritmalarının çoğunu Machine Learning.

Ayrıca modelleri eğiterek, puanlar üreterek ve model performansını değerlendirerek algoritmaları desteklemeye yönelik modüller de içerir.

  • Değerlendirme

    Modeli eğittikten sonra bu araçları kullanarak modelin doğruluğunu ölçün.

  • Başlatma

    Bu modüller, parametreleri ayarerek özelleştirebileceğiniz makine öğrenmesi algoritmalarını sağlar. Bu bölümdeki algoritmalar türe göre gruplandı:

  • Puan

    Algoritma aracılığıyla yeni veriler geçiş yapmak ve değerlendirme için bir dizi sonuç oluşturmak için bu modülleri kullanın. Tahmine dayalı bir hizmetin parçası olarak puanlama sonuçlarını da kullanabilirsiniz.

  • Eğitim

    Bu modüller, sizin sağlamış olduğunuz veriler üzerinde başlatılmış bir makine öğrenmesi modelini eğitiyor.

OpenCV Kitaplık Modülleri

Bu modüller, görüntü işleme ve görüntü sınıflandırma için popüler açık kaynak kitaplıklarına kolay erişim sağlar.

R Dil Modülleri

Denemenize özel R kodu eklemek veya R paketini temel alan bir makine öğrenmesi modeli uygulamak için bu modülleri kullanın.

Python Dil Modülleri

Denemenize özel Python kodu eklemek için bu modülleri kullanın.

İstatistiksel İşlevler

Olasılık dağılımlarını hesaplamak, özel hesaplamalar oluşturmak ve sayısal değişkenlerle ilgili çok çeşitli görevleri gerçekleştirmek için bu modülleri kullanın.

Metin Analizi

Özellik karması ve adlandırılmış varlık tanıma gerçekleştirmek veya doğal dil işleme araçlarını kullanarak metinleri önceden işlemek için bu modülleri kullanın.

Zaman Serisi

Zaman serisi verileri için özel olarak tasarlanmış algoritmaları kullanarak eğilim anomalilerini değerlendirmek için bu modülleri kullanın.

Machine Learning Studio (klasik) modülleri, Azure Data Factory gibi diğer araçlarda desteklenen veri tümleştirme araçlarını yinelemeye Azure Data Factory. Bunun yerine, modüller makine öğrenmesi için özel işlevler sağlar:

  • Verileri normalleştirme, gruplama ve ölçeklendirme
  • Verilerin istatistiksel dağılımını hesaplama
  • Diğer makine öğrenmesi biçimlerine dönüştürme
  • Makine öğrenmesi denemeleri için kullanılan verileri içeri aktarma ve sonuçları dışarı aktarma
  • Metin analizi, özellik seçimi ve boyutsallığı azaltma

Veri işleme ve depolama için daha gelişmiş tesislere ihtiyacınız varsa aşağıdakilere bakın:

Ayrıca bkz.