Condividi tramite

Machine Learning Studio (versione classica): Guida per algoritmi e moduli

  • Articolo

Importante

Il supporto dello studio di Azure Machine Learning (versione classica) terminerà il 31 agosto 2024. È consigliabile passare ad Azure Machine Learning entro tale data.

A partire dal 1° dicembre 2021 non sarà possibile creare nuove risorse dello studio di Azure Machine Learning (versione classica). Fino al 31 agosto 2024 sarà possibile continuare a usare le risorse dello studio di Azure Machine Learning (versione classica).

La documentazione relativa allo studio di Machine Learning (versione classica) è in fase di ritiro e potrebbe non essere aggiornata in futuro.

Suggerimento

I clienti che attualmente usano o valutano Machine Learning Studio (versione classica) sono invitati a provare la finestra di progettazione di Azure Machine Learning, che fornisce moduli di ML con trascinamento della selezione oltre a scalabilità, controllo della versione e sicurezza aziendale.

Machine Learning Studio (versione classica) è un servizio di analisi predittiva cloud che consente di creare e distribuire rapidamente modelli predittivi come soluzioni di analisi. Gli strumenti di Machine Learning sono per lo più servizi basati su cloud, che consentono di ovviare ai problemi di configurazione e installazione perché è possibile accedervi tramite il Web browser da qualsiasi PC connesso a Internet. Per altri dettagli, vedere l'articolo "Che cos'è Studio (versione classica) ?".

Questa documentazione contiene informazioni dettagliate sugli aspetti tecnici e sulle procedure relative ai moduli disponibili in Machine Learning Studio (versione classica).

Che cos'è un modulo?

Ogni modulo in Machine Learning Studio (versione classica) rappresenta un set di codice che può essere eseguito in modo indipendente e può eseguire un'attività di Machine Learning a seconda dei valori di input richiesti. Un modulo può contenere un particolare algoritmo o eseguire un'attività di particolare rilevanza nell'apprendimento automatico, ad esempio la sostituzione di valori mancanti o l'analisi statistica.

In Studio (versione classica) i moduli sono organizzati in base alla funzionalità:

  • I moduli di input e output dei dati consentono di trasferire i dati dalle origini cloud all'esperimento. È possibile scrivere i risultati o i dati intermedi in Archiviazione di Azure, in un database SQL o in Hive, durante l'esecuzione di un esperimento oppure usare l'archiviazione cloud per consentire lo scambio di dati tra gli esperimenti.

  • I moduli di trasformazione dei dati supportano operazioni sui dati specifiche per l'apprendimento automatico, ad esempio la normalizzazione o il binning dei dati, la selezione di funzionalità e la riduzione della dimensionalità.

  • Gli algoritmi di apprendimento automatico, ad esempio il clustering, la macchina a vettori di supporto o le reti neurali, sono disponibili all'interno di singoli moduli che consentono di personalizzare l'attività di apprendimento automatico con i parametri appropriati. Per le attività di classificazione è possibile scegliere tra algoritmi binari o multiclasse.

    Dopo aver configurato il modello, usare un modulo di training per eseguire i dati tramite l'algoritmo e misurare l'accuratezza del modello sottoposto a training usando uno dei moduli di valutazione. Per ottenere le previsioni dal modello appena sottoposto a training, usare uno dei moduli di assegnazione dei punteggi.

  • Rilevamento anomalie: Machine Learning Studio (versione classica) include più algoritmi specializzati per queste attività.

  • I moduli di analisi del testo supportano diverse attività di elaborazione del linguaggio naturale.

  • Vowpal Wabbit semplifica l'uso di questa piattaforma scalabile.

  • I moduli per i linguaggi Python e R facilitano l'esecuzione di una funzione personalizzata. È possibile scrivere il codice e incorporarlo in un modulo per integrare Python e R con un servizio dell'esperimento.

  • La libreria OpenCV fornisce i moduli da usare in specifiche attività di riconoscimento delle immagini.

  • L'analisi di serie temporali supporta il rilevamento delle anomalie nelle serie temporali.

  • I moduli statistici offrono un'ampia gamma di metodi numerici correlati al data science. Esaminare questo gruppo per metodi di correlazione, riepiloghi dei dati, nonché operazioni statistiche e matematiche.

In questa sezione di riferimento sono disponibili informazioni tecniche sugli algoritmi di Machine Learning, i dettagli di implementazione, se disponibili, e i collegamenti agli esperimenti di esempio che illustrano come viene usato il modulo. È possibile scaricare nella propria area di lavoro gli esempi disponibili in Azure AI Gallery. Questi esempi sono disponibili per uso pubblico.

Suggerimento

Se è stato eseguito l'accesso a Machine Learning Studio (versione classica) ed è stato creato un esperimento, è possibile ottenere informazioni su un modulo specifico. Selezionare il modulo e quindi fare clic sul collegamento more help (altre informazioni) nel riquadro Quick Help (Guida rapida).

Altri riferimenti di carattere tecnico

Sezione Descrizione
Elenco dei tipi di dati Questa sezione contiene argomenti di riferimento che descrivono le interfacce dello learner e il DataTable formato usato per i set di dati.
Elenco eccezioni Questa sezione elenca gli errori che possono essere generati dai moduli, con l'indicazione delle cause e le possibili soluzioni alternative.

Per l'elenco dei codici di errore correlati all'API del servizio Web, vedere Codici errore dell'API REST di Machine Learning.

Vedi anche

Machine Learning Studio (versione classica)