匯出計數資料表

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。

• 請參閱將機器學習專案從 ML 工作室 (傳統) 移至 Azure Machine Learning 的相關資訊。
• 深入瞭解Azure Machine Learning。

ML 工作室 (傳統) 文件即將淘汰，未來將不再更新。

從儲存的轉換匯出計數資料表以搭配新的資料使用

Category：具有計數的 Learning

注意

適用于：僅限機器學習 Studio (傳統)

Azure Machine Learning 設計工具中提供類似的拖放模組。

模組概觀

本文說明如何在機器學習 Studio (傳統) 中使用匯出計數資料表模組。 匯出計數資料表模組是為了與使用已被取代的組建計數資料表和已淘汰的計數 Featurizer 模組的實驗提供回溯相容性。

當您使用新的 組建計數轉換 模組來建立以計數為基礎的功能時，此模組會輸出特徵化資料集和從計數建立特徵的 轉換 。 藉由使用 [ 匯出計數資料表 ] 模組，您可以將這個較新的模組輸出的以計數為基礎的功能，分成 計數中繼資料 和 計數資料表。 這些輸出格式先前已被取代的模組使用：

如需有關計數資料表以及如何使用它們來建立特徵的一般資訊，請參閱Learning計數。

針對所有新的實驗，我們建議使用下列模組：

• 組建計數轉換
• 修改計數資料表參數
• 合併計數轉換

如何設定匯出計數資料表

1. 在機器學習 Studio (傳統) 中，開啟您要使用匯入的計數資料表的實驗。

2. 找出已儲存的計數轉換，然後將它新增至實驗。

3. 連線 [已儲存的計數] 轉換的輸出 (標示為 [轉換]) 匯出計數資料表。

4. 將 [計數] Featurizer (已淘汰的) 模組新增至實驗，並將其連接到 [ 匯出計數] 資料表的兩個輸出。

5. 針對您想要進行特徵化的資料集，Count Featurizer (已淘汰的) 模組需要額外的輸入。 連線資料集，以將儲存的轉換套用至輸出。

6. 為 Count Featurizer (已淘汰的) 設定任何必要的參數，包括標籤資料行、計數資料行、要特徵化的資料行，以及要輸出的功能。

   您必須選取原先為「計數」轉換所選取的資料行子集。 不過，[ 匯出計數資料表 ] 模組並不提供這些資料行的清單，因此您應該檢查原始實驗，並記下所使用的資料行。 如果您選取建立轉換時未使用的資料行，則會引發錯誤。

範例

使用 Azure AI 資源庫中的這些範例實驗，探索以計數為基礎的特徵化範例：

• 航班延誤預測：顯示以計數為基礎的特徵化在非常大型的資料集中如何有用。

• Learning with count：多元分類 with NYC 計程車 data：示範如何在多元預測工作中使用以計數為基礎的特徵。

• Learning 的計數：具有 NYC 計程車資料的二元分類：在二元分類工作中使用以計數為基礎的特徵。

注意

如果您開啟的資源庫實驗是使用已淘汰的Learning 的計數模組版本所建立，則會自動將實驗升級為使用較新的模組。

預期的輸入

名稱	類型	說明
計算轉換	ITransform 介面	計數轉換。

輸出

名稱	類型	說明
Dracula 計數中繼資料	資料表	計數的中繼資料。
Dracula 計數資料表	資料表	計數資料表。

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。
錯誤 0086	計數轉換無效時所發生的例外狀況。

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。

另請參閱

以計數學習