套用轉換
重要
Machine Learning 工作室 (傳統) 的支援將於 2024 年 8 月 31 日結束。 建議您在該日期之前轉換成 Azure Machine Learning。
自 2021 年 12 月 1 日起，您將無法建立新的 Machine Learning 工作室 (傳統) 資源。 在 2024 年 8 月 31 日之前，您可以繼續使用現有的 Machine Learning 工作室 (傳統) 資源。
ML 工作室 (傳統) 文件即將淘汰，未來將不再更新。
將正確指定的資料轉換套用至資料集
類別：機器學習/分數
模組概觀
本文描述如何使用機器學習 Studio (傳統) 中的「套用轉換」模組，根據先前計算的轉換來修改輸入資料集。
例如，如果您使用「正規化 資料 」模組來使用 z 分數來將定型資料正規化，則您也會想要使用在評分階段期間針對定型所計算的 z 分數值。 在機器學習 Studio (傳統) 中，您可以輕鬆地將正規化方法儲存為轉換，然後使用 [套用轉換] 將 z 分數套用至輸入資料，然後再進行評分。
機器學習 Studio (傳統) 可支援建立並套用許多不同種類的自訂轉換。 例如，您可能想要儲存然後重新使用轉換，以執行下列動作：
使用清除遺漏的資料來移除或取代遺漏值
使用Learning with count 模組來計算資料集的聯結機率分佈，以建立一組精簡功能。
如何使用套用轉換
將 [套用 轉換 ] 模組新增至您的實驗。 您可以在 [分數] 分類中的 [機器學習] 下找到 [thi] 模組。
找出要作為輸入使用的現有轉換。
如果轉換是稍早在實驗中建立 (例如，做為清理或資料調整作業的一部分) 通常會在模組的右手邊輸出上提供 ITransform 介面 物件。 連線輸出至 [套用轉換] 的左側輸入。
先前儲存的轉換可在左側流覽窗格的 [ 轉換 ] 群組中找到。
提示
如果您設計一個實驗的轉換，但沒有明確地儲存它，只要您的會話已開啟，就可以在工作區中使用轉換。 如果您關閉會話但未儲存轉換，您可以重新執行實驗來產生 ITransform 介面 物件。
連線您想要轉換的資料集。 資料集應該具有與第一次設計轉換的資料集完全相同的結構描述 (資料行數目、資料行名稱、資料類型)。
您無須設定任何其他參數；所有自訂都會在定義轉換時完成。
若要將轉換套用至新的資料集，請執行實驗。
範例
若要查看如何在機器學習中使用此模組，請參閱 Azure AI 資源庫：
線上詐騙偵測：此範例示範如何使用 [套用 轉換 ] 與 [ 清除遺漏資料]，確保所有資料集中的遺漏值都有相同的處理方式。
具有計數的 Learning：使用Apply 轉換來重複使用計數資料表。
技術說明
「套用 轉換 」模組可將任何建立 ITransform 介面之模組的輸出視為輸入。 這些模組包括：
提示
您也可以儲存並重複使用針對數位信號處理所設計的篩選。 不過，篩選會使用 IFilter 介面 介面，而不是 ITransform 介面。
預期的輸入
| 名稱 | 類型 | 說明 |
|---|---|---|
| 轉換 | ITransform 介面 | 一元資料轉換 |
| 資料集 | 資料表 | 要轉換的資料集 |
輸出
| 名稱 | 類型 | 說明 |
|---|---|---|
| 已轉換的資料集 | 資料表 | 已轉換的資料集 |
例外狀況
| 例外狀況 | 描述 |
|---|---|
| 錯誤 0003 | 如果一或多個輸入為 Null 或空白，就會發生例外狀況。 |
如需 Studio (傳統) 模組特定的錯誤清單，請參閱機器學習錯誤碼。
如需 API 例外狀況的清單，請參閱機器學習 REST API 錯誤碼。