Vowpal Wabbit sürüm 7-4 modeli puanı

  • Makale

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.

Komut satırı arabiriminden Vowpal Wabbit makine öğrenimi sistemini kullanarak verileri puanlarını

kategori: Metin Analizi

Not

uygulama hedefi: yalnızca Machine Learning Studio (klasik)

benzer sürükle ve bırak modülleri Azure Machine Learning tasarımcısındakullanılabilir.

Modüle genel bakış

bu makalede, var olan bir eğitilen wabbit modelini kullanarak bir giriş verileri kümesinin puanlarını oluşturmak için Machine Learning Studio 'da (klasik) vowpal wabbit sürüm 7-4 Model modülünün nasıl kullanılacağı açıklanır.

Bu modül, Vowpal Wabbit çerçevesinin 7-4 sürümüyle uyumluluk için sağlanır. Bu modülü yalnızca, 7-4 biçiminde kaydedilmiş eğitilen bir modeli kullanarak veri puanlabilmeniz gerekiyorsa kullanın.

Yeni bir VW modeli oluşturmak için en son sürümü kullanmanızı öneririz:

Skor Vowpal Wabbit sürüm 7-4 modelini yapılandırma

  1. Deneme sürümüne Vowpal Wabbit sürüm 7-4 model modülünü ekleyin.

  2. Eğitimli bir Vowpal Wabbit modeli ekleyin ve sol taraftaki giriş bağlantı noktasına bağlayın. Aynı deneymede oluşturulan eğitilen bir modeli kullanabilir veya bir kaydedilmiş modeli, Studio 'nun eğitilen modeller grubunda (klasik) sol gezinti bölmesinde bulabilirsiniz.

    Kısıtlamalar

    model Machine Learning Studio 'da (klasik) kullanılabilir olmalıdır; Azure storage 'dan doğrudan bir model yükleyemezsiniz.

    Yalnızca Vowpal Wabbit 7-4 modelleri desteklenir; diğer algoritmalar kullanılarak eğitilen kaydedilmiş modellere bağlanamazsınız ve sonraki sürümler kullanılarak eğitilen modeller kullanamazsınız.

  3. VW bağımsız değişkenleri metin kutusunda, Vowpal Wabbit yürütülebilir dosyasına geçerli bir komut satırı bağımsız değişkeni kümesi yazın.

    Machine Learning 'de hangi vowpal wabbit bağımsız değişkenlerinin desteklendiği hakkında daha fazla bilgi için bkz. teknik notlar bölümü.

  4. Veri türünü belirt' e tıklayın ve listeden desteklenen veri türlerinden birini seçin.

    Puanlama, VW ile uyumlu verilerin tek bir sütununu gerektirir.

    svmlight veya VW biçimlerinde oluşturulmuş bir dosyanız varsa, bu biçimlerden birinde yeni bir veri kümesi olarak Azure ML çalışma alanına yükleyebilirsiniz: header olmadan Generic CSV, üst bilgi içermeyen TSV.

    VW seçeneği bir etiketin mevcut olmasını gerektirir, ancak karşılaştırma haricinde Puanlama içinde kullanılmaz.

  5. Veri Içeri aktarma modülü ekleyin ve bunu Vowpal wabbit sürüm 7-4' un sağ taraftaki giriş bağlantı noktasına bağlayın. Veri alma modülünü giriş verilerine erişecek şekilde yapılandırın.

    Puanlama için giriş verilerinin, desteklenen biçimlerden birinde ve Azure Blob depolamada depolanmadan önce hazırlanmış olması gerekir.

  6. Etiketleri, puanlarla birlikte çıkış yapmak istiyorsanız, etiketleri içeren fazladan bir sütun ekleyin.

    Genellikle, metin verileri işlenirken Vowpal Wabbit etiketleri gerektirmez ve yalnızca her bir veri satırının puanlarını döndürür.

  7. Aşağıdaki koşulların karşılandığını varsayarak, önceki bir çalıştırmanın sonuçlarını yeniden kullanmak istiyorsanız, önbelleğe alınmış sonuçları kullanınseçeneğini belirleyin:

    • Önceki bir çalıştırmada geçerli bir önbellek var.

    • Modülün giriş verileri ve parametre ayarları, önceki çalıştırmasından bu yana değişmemiştir.

    Aksi takdirde, denemeler her çalıştığında içeri aktarma işlemi yinelenir.

  8. Denemeyi çalıştırın.

Sonuçlar

Eğitim tamamlandıktan sonra:

Çıktı, 0 ' dan 1 ' e normalleştirilmiş bir tahmin puanı gösterir.

Örnekler

Bilgisayar öğreniminde Vowpal Wabbit kullanım örnekleri için bkz. Azure yapay zeka Galerisi:

  • Vowpal Wabbit örneği

    Bu deneme, bir VW modelinin veri hazırlanmasını, eğitimini ve işlem kullanımını gösterir.

Aşağıdaki videoda, Vowpal Wabbit için eğitim ve Puanlama işlemine yönelik bir anlatım sunulmaktadır:

Teknik notlar

Bu bölümde, sık sorulan soruların uygulama ayrıntıları, ipuçları ve yanıtları yer almaktadır.

Desteklenen ve desteklenmeyen parametreler

Vowpal Wabbit, algoritma seçme ve ayarlama için birçok komut satırı seçeneklerine sahiptir. Burada bu seçeneklerin tam bir tartışması mümkün değildir; Vowpal Wabbit wiki sayfasınıgörüntülemenizi öneririz.

aşağıdaki parametreler Machine Learning Studio 'da (klasik) desteklenmez.

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

    Bu özellikler modül tarafından zaten otomatik olarak yapılandırılmıştır.

  • Ayrıca, birden çok çıkış üreten veya birden çok giriş alan herhangi bir seçeneğe izin verilmez. Bunlar, --lda ve --wap içerir --cbt .

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

Yukarıda açıklananlar dışında tüm bağımsız değişkenlere izin verilir.

Beklenen girişler

Ad Tür Description
Eğitilen model ILearner arabirimi Eğitilen öğrenici
Veri kümesi Veri tablosu Puanlanması için veri kümesi

Modül parametreleri

Name Aralık Tür Varsayılan Description
VW bağımsız değişkenleri Herhangi biri Dize Vowpal Wabbit bağımsız değişkenlerini yazın.

Aşağıdaki bağımsız değişkenler desteklenmez:

- -ı
- -p veya
- -t
Etiketler içeren fazladan bir sütun ekleyin Herhangi biri Boole yanlış Daraltılmış dosyanın tahmine dayalı Etiketler içerip içermediğini belirtin
Veri türünü belirtin VW

SVMLight		 DataType VW Dosya biçiminin SVMLight mi yoksa Vowpal Wabbit mi olduğunu belirtin

Çıkışlar

Ad Tür Description
Sonuç veri kümesi Veri tablosu Tahmin sonuçlarıyla veri kümesi

Özel durumlar

Özel durum Description
Hata 0001 Belirli bir veya daha fazla veri kümesi sütunu bulunamazsa özel durum oluşur.
Hata 0003 Bir veya daha fazla giriş null veya boş olduğunda özel durum oluşur.
Hata 0,0004 Parametre belirli bir değerden küçük veya ona eşitse özel durum oluşur.
Hata 0017 Belirtilen bir veya daha fazla sütunda geçerli modülde desteklenmeyen tür varsa özel durum oluşur.

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

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

Ayrıca bkz.

Metin Analizi
Özellik Karma
Adlandırılmış Varlık Tanıma
Vowpal Wabbit puanı
Vowpal Wabbit 7-4 modeline eğitme
Vowpal Wabbit 7-10 modeline eğitme
A-Z modül listesi