Exportieren einer Anzahltabelle
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.
Exportiert die Zähltabelle aus einer gespeicherten Transformation für die Verwendung mit neuen Daten.
Kategorie: Learning mit Anzahlen
Hinweis
Gilt nur 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 Export Count Table-Modul in Machine Learning Studio (klassisch) verwenden. Das Modul Export Count Table wird aus Gründen der Abwärtskompatibilität mit Experimenten bereitgestellt, die die veraltete Buildanzahltabelle und die veralteten Count Featurizer-Module verwenden.
Wenn Sie das neue Modul Build Counting Transform verwenden, um count-basierte Features zu erstellen, gibt das Modul sowohl ein featurisiertes Dataset als auch eine Transformation aus, die Features aus der Anzahl erstellt. Mithilfe des Moduls Export Count Table können Sie die anzahlbasierten Features, die von diesem neueren Modul ausgegeben werden, in count-Metadaten und eine Count-Tabelle untergliedern. Diese Ausgabeformate wurden von früheren, jetzt veralteten Modulen verwendet:
Allgemeine Informationen zu Zähltabellen und deren Verwendung zum Erstellen von Features finden Sie unter Learning mit Count.
Für alle neuen Experimente wird empfohlen, die folgenden Module zu verwenden:
Konfigurieren der Exportanzahltabelle
Öffnen Sie in Machine Learning Studio (klassisch) das Experiment, in dem Sie die importierte Zählertabelle verwenden möchten.
Suchen Sie die Gespeicherte Anzahltransformation, und fügen Sie sie dem Experiment hinzu.
Verbinden die Ausgabe der transformation für gespeicherte Zähler (transformation bezeichnet) in Export Count Table (Anzahltabelle exportieren).
Fügen Sie dem Experiment das (veraltete) Count Featurizer-Modul hinzu, und verbinden Sie es mit den beiden Ausgaben von Export Count Table.
Das Count Featurizer-Modul (veraltet) erfordert eine zusätzliche Eingabe für das Dataset, das Sie featurisieren möchten. Verbinden das Dataset, um die gespeicherte Transformation auf Ausgaben anzuwenden.
Legen Sie alle erforderlichen Parameter für count Featurizer (veraltet) fest, einschließlich der Bezeichnungsspalte, der Anzahlspalten, der zu featuresetzende Spalten und der funktionen, die ausgegeben werden sollen.
Sie müssen eine Teilmenge der Spalten auswählen, die ursprünglich für die Zähltransformation ausgewählt wurden. Das Modul Export Count Table stellt jedoch nicht die Liste dieser Spalten bereit. Daher sollten Sie das ursprüngliche Experiment überprüfen und sich notieren, welche Spalten verwendet wurden. Wenn Sie eine Spalte auswählen, die beim Erstellen der Transformation nicht verwendet wurde, wird ein Fehler ausgelöst.
Beispiele
Untersuchen Sie beispiele für die count-basierte Featurisierung mithilfe dieser Beispielexperimente im Azure KI-Katalog:
Vorhersage von Flugverspätungen: Zeigt, wie die count-basierte Featurisierung in einem sehr großen Dataset nützlich sein kann.
Learning mit Anzahl: Multiklassenklassifizierung mit NYC-Taxidaten: Veranschaulicht die Verwendung von count-basierten Features in einer Vorhersageaufgabe mit mehreren Klassen.
Learning mit Anzahlen: Binäre Klassifizierung mit NYC-Taxidaten: Verwendet count-basierte Features in einer binären Klassifizierungsaufgabe.
Hinweis
Wenn Sie ein Katalogexperiment öffnen, das mit den veralteten Versionen der Learning mit Counts-Modulen erstellt wurde, wird das Experiment automatisch aktualisiert, um die neueren Module zu verwenden.
Erwartete Eingaben
| Name | Type | Beschreibung |
|---|---|---|
| Zählen der Transformation | ITransform-Schnittstelle | Die Zähltransformation. |
Ausgaben
| Name | Type | Beschreibung |
|---|---|---|
| Dracula count metadata | Datentabelle | Die Metadaten der Anzahlen. |
| Dracula count table | Datentabelle | Die Anzahltabelle. |
Ausnahmen
| Ausnahme | Beschreibung |
|---|---|
| Fehler 0003 | Eine Ausnahme tritt auf, wenn mindestens eine Eingabe NULL oder leer ist. |
| Fehler 0086 | Eine Ausnahme tritt auf, wenn eine Zähltransformation ungültig ist. |
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.