Sütun Dönüştürmeyi Seçme

  • 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.

Verilen veri kümesindeki aynı sütun alt kümesini seçen bir dönüşüm oluşturur

Kategori: veri dönüştürme/işleme

Not

uygulama hedefi: yalnızca Machine Learning Studio (klasik)

benzer sürükle ve bırak modülleri Azure Machine Learning tasarımcısındakullanılabilir.

bu makalede Machine Learning Studio 'da (klasik) sütunları seçme dönüştürme modülünün nasıl kullanılacağı açıklanır. Sütunları seçin dönüştürme modülünün amacı, her zaman aşağı akış makine öğrenimi işlemlerinde kullanılan öngörülebilir, tutarlı bir sütun kümesinin kullanılmasını sağlamaktır.

Bu modül, belirli sütunlar gerektiren Puanlama gibi görevler için özellikle yararlıdır. Kullanılabilir sütunlardaki değişiklikler denemeyi bölebilir veya sonuçları değiştirebilir.

Sütun kümesi oluşturmak ve kaydetmek için sütunları seçin dönüşümünü kullanın. Ardından, bu seçimleri yeni verilere uygulamak için dönüştürme modülünü Uygula ' yı kullanın.

Sütunları seçme dönüşümünü kullanma

Bu senaryoda, bir modeli eğitmek için kullanılacak dinamik bir sütun kümesi oluşturmak için özellik seçimini kullanmayı düşündüğünüz varsayılır. Sütun seçimlerinin Puanlama işlemi için aynı olduğundan emin olmak için, sütun seçimlerini yakalamak ve denemenin başka bir yerinde uygulamak için Sütunları Seç dönüştürme modülünü kullanın.

  1. Studio 'daki denemenize (klasik) bir giriş veri kümesi ekleyin.

  2. Filtre tabanlı özellik seçimineait bir örnek ekleyin.

  3. modüller Bağlan ve özellik seçimi modülünü, giriş veri kümesindeki bazı en iyi özellikleri otomatik olarak bulacak şekilde yapılandırın.

  4. Model eğitimi 'nin bir örneğini ekleyin ve eğitim için giriş olarak filtre tabanlı özellik seçimi çıkışını kullanın.

    Önemli

    Özellik önemi sütunundaki değerlere bağlı olarak karardığı için, modeli eğitmegirişi için hangi sütunların kullanılabileceğini önceden bilemezsiniz.

  5. Şimdi, Select Columns Transform modülünün bir örneğini iliştirin.

    Bu, bir sütun seçimini, başka veri kümelerine kaydedilebilecek veya uygulanabilen bir dönüşüm olarak oluşturur. Bu adım, özellik seçimi tarafından tanımlanan sütunların diğer modüller tarafından yeniden kullanılmak üzere kaydedildiğinden emin olmanızı sağlar.

  6. Puan modeli modülünü ekleyin.

    Giriş veri kümesini bağlama.

    Bunun yerine, dönüştürme modülünü Uygula ' yı ekleyin ve Özellik seçimi dönüşümünün çıkışını bağlayın.

    Önemli

    Puanlama veri kümesine filtre tabanlı özellik seçimi uygulamayı beklemeniz ve aynı sonuçları elde etmeniz beklenmezsiniz. Özellik seçimi değerleri temel aldığı için, farklı bir sütun kümesi seçebilir ve bu da Puanlama işleminin başarısız olmasına neden olabilir.

  7. Denemeyi çalıştırın.

Bu işlem kaydetme ve sonra bir sütun seçimini uygulama, aynı veri şemasının eğitim ve Puanlama için kullanılabilir olmasını sağlar.

Örnekler

Bu modülün nasıl kullanılacağına ilişkin örnekler için Azure yapay zeka Galerisibakın:

Beklenen girişler

Ad Tür Description
İstenen sütunlara sahip veri kümesi Veri tablosu İstenen sütun kümesini içeren veri kümesi

Çıkışlar

Ad Tür Description
Sütun seçimi dönüşümü Iransform arabirimi Verilen veri kümesindeki aynı sütun alt kümesini seçen dönüşüm.

Özel durumlar

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

Ayrıca bkz.

İşleme
Veri kümesindeki Sütunları seçme