Hinzufügen von Spalten
Wichtig
Der Support für Machine Learning Studio (klassisch) endet am 31. August 2024. Es wird empfohlen, bis zu diesem Datum auf Azure Machine Learning umzustellen.
Ab dem 1. Dezember 2021 können Sie keine neuen Ressourcen in Machine Learning Studio (klassisch) mehr erstellen. Bis zum 31. August 2024 können Sie die vorhandenen Ressourcen in Machine Learning Studio (klassisch) weiterhin verwenden.
- Siehe Migrieren zu Azure Machine Learning
- Weitere Informationen zu Azure Machine Learning.
Die Dokumentation zu ML Studio (klassisch) wird nicht mehr fortgeführt und kann künftig nicht mehr aktualisiert werden.
Fügt eine Spaltensatz aus einem Dataset in ein anderes hinzu.
Kategorie: Datentransformation/-bearbeitung
Hinweis
Gilt für: Machine Learning Studio (klassisch)
Ähnliche Drag & Drop-Module sind im Azure Machine Learning-Designer verfügbar.
Modulübersicht
In diesem Artikel wird beschrieben, wie Sie das Modul Spalten hinzufügen in Machine Learning Studio (klassisch) verwenden, um zwei Datasets zu verketten.
Sie kombinieren alle Spalten aus den beiden Datasets, die Sie als Eingaben angeben, zu einem einzigen Dataset. Wenn Sie mehr als zwei Datasets verketten müssen, verwenden Sie mehrere Instanzen von Add Columns.
Beim Kombinieren von zwei Datasets, die eine unterschiedliche Anzahl von Zeilen enthalten, wird die Verwendung des Moduls Join Data empfohlen, das äußere Joins für eine gemeinsame Schlüsselspalte unterstützt.
Konfigurieren von „Add Columns“
Fügen Sie das Modul Add Columns Ihrem Experiment hinzu.
Verbinden Sie die beiden Datasets, die Sie verketten möchten. Wenn Sie mehr als zwei Datasets kombinieren möchten, können Sie mehrere Kombinationen von Add Columns miteinander verketten.
Es ist möglich, zwei Spalten mit einer unterschiedlichen Anzahl von Zeilen zu kombinieren. Der Ausgabedataset wird mit fehlenden Werten für jede Zeile in der kleineren Quellspalte aufgefüllt.
Sie können keine einzelnen hinzuzufügenden Spalten auswählen. Alle Spalten aus jedem Dataset werden verkettet, wenn Sie Add Columns verwenden. Wenn Sie also nur eine Teilmenge der Spalten hinzufügen möchten, verwenden Sie Spalten im Dataset auswählen, um ein Dataset mit den von Ihnen ausgewählten Spalten zu erstellen.
Führen Sie das Experiment aus.
Ergebnisse
Nach Ausführung des Experiments:
- Um die ersten Zeilen des neuen Datasets zu sehen, klicken Sie mit der rechten Maustaste auf die Ausgabe von Spalten hinzufügen, und wählen Sie Visualisieren aus.
- Klicken Sie zum Speichern und Benennen des verketteten Datasets mit der rechten Maustaste auf die Ausgabe, und wählen Sie Als Dataset speichern aus .
Die Anzahl der Spalten im neuen Dataset entspricht der Summe der Spalten beider Eingabedatasets.
Wenn zwei Spalten mit demselben Namen in den Eingabedatasets vorhanden sind, wird dem Namen der Spalte aus dem Dataset, das an der rechten Eingabespalte verwendet wird, ein numerisches Suffix hinzugefügt. Wenn beispielsweise zwei Instanzen einer Spalte namens TargetOutcome vorhanden sind, wird die rechte Spalte in TargetOutcome (1) umbenannt.
Beispiele
Beispiele für die Verwendung von Spalten hinzufügen in einem Experiment finden Sie im Azure KI-Katalog:
Vorhersage der Kundenbeziehung: Eine Spalte, die Bezeichnungen enthält, wird mit einem Feature-Dataset kombiniert.
Erkennung von Viren: Datasets, die Features enthalten, werden bereinigt und dann mithilfe von Zeilen hinzufügen, Spalten hinzufügen und Joindaten kombiniert.
Erwartete Eingaben
Name | Type | Beschreibung |
---|---|---|
Linkes Dataset | Datentabelle | Linkes Dataset |
Rechtes Dataset | Datentabelle | Rechtes Dataset |
Output
Name | Type | Beschreibung |
---|---|---|
Kombiniertes Dataset | Datentabelle | Kombiniertes Dataset |
Ausnahmen
Ausnahme | Beschreibung |
---|---|
Fehler 0003 | Eine Ausnahme tritt auf, wenn mindestens ein Eingabedataset null oder leer ist. |
Fehler 0017 | Eine Ausnahme tritt auf, wenn eine oder mehrere angegebene Spalten einen Typ aufweisen, der im aktuellen Modul nicht unterstützt wird. |
Eine Liste der Fehler, die für Studio-Module (klassisch) spezifisch sind, finden Sie unter Machine Learning Fehlercodes.
Eine Liste der API-Ausnahmen finden Sie unter Machine Learning REST-API-Fehlercodes.