定型叢集模型
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。
為群集模型定型並將定型集的資料指派給叢集
類別：機器學習/定型
模組概觀
本文描述如何使用機器學習 Studio (傳統) 中的「訓練叢集模型」模組來定型群集模型。
此模組會採用您已經使用 K 表示 叢集模組設定的未定型群集模型，並使用加上標籤或未標記的資料集來訓練模型。 此模組會建立可用於預測的定型模型，以及定型資料中每個案例的一組叢集指派。
注意
無法使用「 定型模型 」模組來定型群集模型，這是建立機器學習模型的一般模組。 這是因為定型模型只適用於受監督的學習演算法。 K-Means 和其他叢集演算法會允許非監督式學習，這表示演算法可以從未加標籤的資料學習。
如何使用定型叢集模型
將「 定型群集模型 」模組新增至 Studio (傳統) 中的實驗。 您可以在 [定型] 類別目錄中的 [機器學習模組] 下找到此模組。
新增 K 意指 叢集模組，或另一個建立相容群集模型的自訂模組，並設定群集模型的參數。
將定型資料集附加至定型叢集模型的右側輸入。
在 [資料行集] 中，從資料集選取要在建置叢集中使用的資料行。 務必選取可組成良好特徵的資料行：例如，避免使用識別碼或具有唯一值的其他資料行，或具有相同值的所有資料行。
如果有可用的標籤，您可以使用它做為特徵，或將其省略。
如果您想要將定型資料與新的叢集標籤一起輸出，請選取 [ 只檢查附加] 或 [取消核取結果] 選項。
如果您取消選取此選項，則只會輸出叢集指派。
執行實驗，或按一下 [ 定型群集模型 ] 模組，然後選取 [ 執行選取]。
結果
定型完成後：
若要在圖形中查看叢集及其分隔，請以滑鼠右鍵按一下 結果資料集 輸出，然後選取 [ 視覺化]。
圖形代表叢集的主要元件，而不是實際值。 如需詳細資訊，請參閱 主體元件分析 。
若要查看資料集中的值，請加入 [ 轉換成資料集 ] 模組的實例，並將它連接到 結果資料集 輸出。 執行 [ 轉換成資料集 ] 模組，取得您可以查看或下載的資料複本。
若要儲存定型的模型以供稍後重複使用，請以滑鼠右鍵按一下模組，選取 [ 定型的模型]，然後按一下 [ 另存為定型的模型]。
若要從模型產生分數，請使用將資料指派給叢集。
範例
如需如何在機器學習中使用群集的範例，請參閱 Azure AI 資源庫：
群集：尋找類似的公司：示範如何在衍生自非結構化文字的屬性上使用叢集。
群集：色彩量化：示範如何使用群集來尋找相關的色彩，並減少影像中使用的位數。
群集：群組鳶尾花資料：提供以鳶尾花資料集為基礎之叢集的簡單範例。
預期的輸入
| 名稱 | 類型 | 描述 |
|---|---|---|
| 未定型的模型 | ICluster 介面 | 未定型的群集模型 |
| 資料集 | 資料表 | 輸入資料來源 |
模組參數
| 名稱 | 範圍 | 類型 | 預設 | 描述 |
|---|---|---|---|---|
| 資料行集 | 任意 | ColumnSelection | 資料行選取模式 | |
| 只檢查附加或取消檢查結果 | 任意 | Boolean | true | 輸出資料集是否必須包含指派資料行 (核取) 或僅指派資料行 (未核取) 所附加的輸入資料集 |
輸出
| 名稱 | 類型 | Description |
|---|---|---|
| 定型的模型 | ICluster 介面 | 定型的群集模型 |
| 結果資料集 | 資料表 | 指派資料行或僅指派資料行所附加的輸入資料集 |
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。