机器学习工作室（经典）可以用于执行哪些操作？
适用于：
机器学习工作室（经典）
Azure 机器学习
重要
对机器学习工作室（经典）的支持将于 2024 年 8 月 31 日结束。 建议在该日期之前转换到 Azure 机器学习。
从 2021 年 12 月 1 日开始，你将无法创建新的机器学习工作室（经典）资源。 在 2024 年 8 月 31 日之前，可继续使用现有的机器学习工作室（经典）资源。
ML 工作室（经典）文档即将停用，将来可能不会更新。
机器学习工作室（经典）是一个拖放式工具，可用于生成、测试和部署机器学习模型。 工作室（经典）将模型发布为 Web 服务，可轻松由自定义应用或 BI 工具（如 Excel）使用。
工作室（经典）交互式工作区
若要开发预测分析模型，通常使用一个或多个源中的数据，然后通过各种数据操作和统计函数对该数据进行转换和分析，生成一组结果。 开发此类模型是一个迭代过程。 在修改各种函数及其参数时，结果会不断趋于一致，直到已训练的有效模型令人满意。
机器学习工作室（经典）提供交互式的可视工作区，可在其中轻松构建、测试和迭代预测分析模型。 可以将数据集和分析模块拖放到交互式画布，将它们连接在一起构成试验，然后在机器学习工作室（经典）中运行。 若要在模型设计上迭代，则需要编辑试验，可根据需要保存一个副本，并重新运行该试验。 准备就绪后，可以将训练实验转换为预测实验，然后将其发布为 Web 服务，以便其他人可以访问模型。
不需要编程，只需以可视方式连接数据集和模块即可构建预测分析模型。
下载机器学习工作室（经典）概述示意图
下载“Microsoft 机器学习工作室（经典）功能概述”示意图，并获取机器学习工作室（经典）功能的高级视图。 若要随时随地查看，可以打印卡片大小（11 x 17 英寸）的示意图。
在此处下载示意图：Microsoft 机器学习工作室（经典）功能概述
工作室（经典）试验的组成部分
试验由数据集组成，数据集将数据提供给分析模块，将这些模块连接起来即可构成预测分析模型。 具体而言，有效的试验有以下特征：
- 试验至少包含一个数据集和一个模块
- 数据集只能连接到模块
- 模块可以连接到数据集或其他模块
- 模块的所有输入端口必须与数据流建立某种连接
- 必须设置每个模块的所有必需参数
可以从头开始创建试验，或者使用现有的示例试验作为模板。 有关详细信息，请参阅复制示例试验以创建新的机器学习试验。
有关创建试验的示例，请参阅在机器学习工作室（经典）中创建试验。
有关创建预测分析解决方案的更完整演练，请参阅使用机器学习工作室（经典）开发预测解决方案。
数据集
数据集是指已上传到机器学习工作室（经典版），可在建模过程中使用的数据。 机器学习工作室（经典版）提供了许多示例数据集供试验，你可根据需要上传更多的数据集。 下面是随附数据集的一些例子：
- 各种汽车的 MPG 数据 - 汽车的每加仑燃油英里数 (MPG) 值，按缸数、马力等参数列出。
- 乳腺症数据 - 乳腺癌诊断数据。
- 森林火灾数据 - 葡萄牙东北部森林火灾的规模。
构建试验时，可以从画布左侧提供的数据集列表中进行选择。
有关机器学习工作室（经典版）随附的示例数据集列表，请参阅使用机器学习工作室（经典）中的示例数据集。
模块
模块是可对数据执行的算法。 机器学习工作室（经典）有许多模块，包括数据引入函数、训练、评分和验证过程。 下面是随附模块的一些例子：
- 转换为 ARFF - 将 .NET 序列化数据集转换为属性关系文件格式 (ARFF)。
- 计算基本统计信息 - 计算基本统计信息，例如平均值、标准偏差等。
- 线性回归 - 创建基于在线梯度下降的线性回归模型。
- 评分模型 - 为训练的分类或回归模型评分。
构建试验时，可以从画布左侧提供的模块列表中选择。
模块可能提供一组参数用于配置模块的内部算法。 在画布上选择模块时，模块的参数会显示在画布右侧的“属性” 窗格中。 可以在该窗格中修改参数来调整模型。
在浏览可用的机器学习算法大型库时如需帮助，请参阅如何选择 Microsoft 机器学习工作室（经典）的算法。
部署预测分析 Web 服务
准备好预测分析模型后，可以从机器学习工作室（经典版）将它部署为 Web 服务。 有关此过程的信息，请参阅部署机器学习 Web 服务。