다음을 통해 공유

Machine Learning Studio(클래식) 모듈의 A-Z 목록

  • 아티클

중요

Machine Learning Studio(클래식)에 대한 지원은 2024년 8월 31일에 종료됩니다. 해당 날짜까지 Azure Machine Learning으로 전환하는 것이 좋습니다.

2021년 12월 1일부터 새로운 Machine Learning Studio(클래식) 리소스를 만들 수 없습니다. 2024년 8월 31일까지는 기존 Machine Learning Studio(클래식) 리소스를 계속 사용할 수 있습니다.

ML Studio(클래식) 설명서는 사용 중지되며 나중에 업데이트되지 않을 수 있습니다.

팁

현재 Machine Learning Studio(클래식)를 사용하거나 평가하는 고객은 ML 모듈 끌어서 놓기 기능과 더불어 확장성, 버전 제어 및 엔터프라이즈 보안을 제공하는 Azure Machine Learning 디자이너를 사용하는 것이 좋습니다.

이 모듈은 기계 학습 작업에 필요한 다양한 기능과 기능을 다룹니다.

  • 데이터 변환 함수
  • 데이터 변환 함수
  • R 또는 Python 스크립트를 실행하기 위한 모듈
  • 다음을 포함한 알고리즘:
    • 의사 결정 트리
    • 의사 결정 포리스트
    • Clustering
    • 시계열
    • 권장 사항 모델
    • 이상 감지

모듈을 찾으려면 다음을 수행합니다.

모듈의 사전순 테이블

모듈 이름 설명
열 추가 한 데이터 세트의 열 집합을 다른 데이터 세트에 추가합니다.
행 추가 입력 데이터 세트의 행 집합을 다른 데이터 세트의 끝에 추가합니다.
필터 적용 데이터 세트의 지정된 열에 필터를 적용합니다.
수학 연산 적용 열 값에 수학 연산을 적용합니다.
SQL 변환 적용 입력 데이터 세트에 대해 SQLite 쿼리를 실행하여 데이터를 변환합니다.
변환 적용 데이터 세트에 잘 지정된 데이터 변환을 적용합니다.
클러스터에 데이터 할당 기존 학습된 클러스터링 모델을 사용하여 클러스터에 데이터를 할당합니다.
Bayes 선형 회귀 Bayesian 선형 회귀 모델을 만듭니다.
향상된 의사 결정 트리 회귀 향상된 의사 결정 트리 알고리즘을 사용하여 회귀 모델을 만듭니다.
개수 변환 작성 기능을 빌드하는 데 사용할 개수를 만듭니다.
누락 데이터 정리 데이터 세트에서 누락된 값을 처리하는 방법을 지정합니다.
값 잘라내기 이상값을 검색한 다음 해당 값을 잘라내거나 대체합니다.
기본 통계 컴퓨팅 선택한 데이터 세트 열에 대해 지정된 요약 통계를 계산합니다.
언어 감지 입력 파일에서 각 줄의 언어를 검색합니다.
선형 상관 관계 컴퓨팅 데이터 세트의 열 값 간의 선형 상관 관계를 계산합니다.
ARFF로 변환 데이터 입력을 Weka 도구 집합에서 사용하는 특성 관계 파일 형식으로 변환합니다.
CSV로 변환 데이터 입력을 쉼표로 구분된 값 형식으로 변환합니다.
데이터 세트로 변환 데이터 입력을 Machine Learning 사용하는 내부 데이터 세트 형식으로 변환합니다.
표시기 값으로 변환 열의 범주 값을 표시기 값으로 변환합니다.
SVMLight로 변환 데이터 입력을 SVMlight 프레임워크에서 사용하는 형식으로 변환합니다.
TSV로 변환 데이터 입력을 탭으로 구분된 형식으로 변환합니다.
R 모델 만들기 사용자 지정 리소스를 사용하여 R 모델을 만듭니다.
모델 교차 유효성 검사 데이터를 분할하여 분류 또는 회귀 모델에 대한 매개 변수 추정치의 교차 유효성을 검사합니다.
의사 결정 포리스트 회귀 의사 결정 포리스트 알고리즘을 사용하여 회귀 모델을 만듭니다.
언어 감지 입력 파일에서 각 줄의 언어를 검색합니다.
메타데이터 편집 데이터 세트의 열과 연결된 메타데이터를 편집합니다.
수동으로 데이터 입력 값을 입력하여 작은 데이터 세트를 입력하고 편집할 수 있습니다.
모델 평가 표준 메트릭을 사용하여 채점된 분류 또는 회귀 모델을 평가합니다.
확률 함수 평가 지정된 확률 분포 함수를 데이터 세트에 맞습니다.
추천 평가 추천 모델 예측의 정확도를 평가합니다.
Python 스크립트 실행 Machine Learning 실험에서 Python 스크립트를 실행합니다.
R 스크립트 실행 Machine Learning 실험에서 R 스크립트를 실행합니다.
개수 테이블 내보내기 개수 변환에서 개수를 내보냅니다.
데이터 내보내기 데이터 세트를 웹 URL 또는 테이블, Blob 및 Azure SQL 데이터베이스와 같은 Azure의 다양한 형태의 클라우드 기반 스토리지에 씁니다.

이 모듈은 이전에 기록기라고 명명되었습니다.
텍스트에서 핵심 구 추출 텍스트 열에서 키워드와 구를 추출합니다.
텍스트에서 N-Gram 기능 추출 N-Gram 사전 기능을 만든 다음, 해당 기능 선택을 수행합니다.
빠른 포리스트 분위수 회귀 분위수 회귀 모델을 만듭니다.
기능 해싱 Vowpal Wabbit 라이브러리를 사용하여 텍스트 데이터를 정수로 인코딩된 기능으로 변환합니다.
필터 기반 기능 선택 예측 능력이 가장 큰 데이터 세트의 기능을 식별합니다.
FIR 필터 신호 처리를 위한 유한한 임펄스 응답 필터를 만듭니다.
피셔 선형 판별 분석 데이터를 별도의 클래스로 가장 잘 그룹화할 수 있는 기능 변수의 선형 조합을 식별합니다.
범주 값 그룹화 여러 범주의 데이터를 새 범주로 그룹화합니다.
Bin으로 데이터 그룹화 숫자 데이터를 bin에 넣습니다.
IIR 필터 신호 처리를 위한 무한 임펄스 응답 필터를 만듭니다.
개수 테이블 가져오기 기존 개수 테이블에서 개수를 가져옵니다.
데이터 가져오기 웹의 외부 원본 또는 테이블, Blob, SQL 데이터베이스 및 Azure Cosmos DB와 같은 Azure의 다양한 형태의 클라우드 기반 스토리지에서 데이터를 로드합니다. 게이트웨이가 구성된 경우 온-프레미스 SQL Server 데이터베이스에서 데이터를 로드할 수 있습니다.

이 모듈은 이전에 읽기 권한자라고 명명되었습니다.
이미지 가져오기 Azure Blob Storage의 이미지를 데이터 세트로 로드합니다.
데이터 조인 두 데이터 세트를 조인합니다.
K-Means 클러스터링 K-평균 클러스터링 모델을 구성하고 초기화합니다.
잠재적 Dirichlet 할당 LDA(Latent Dirichlet Allocation)용 Vowpal Wabbit 라이브러리를 사용하여 토픽 모델링을 수행합니다.
선형 회귀 선형 회귀 모델을 만듭니다.
학습된 모델 로드 실험에서 채점하는 데 사용할 수 있는 학습된 모델을 가져옵니다.
중앙값 필터 추세 분석을 위해 데이터를 부드럽게 하는 데 사용되는 중앙값 필터를 만듭니다.
개수 변환 병합 두 개의 개수 테이블 집합을 병합합니다.
개수 테이블 매개 변수 수정 count 테이블에서 개수 기반 기능의 압축 집합을 빌드합니다.
이동 평균 필터 추세 분석을 위해 데이터를 부드럽게 하는 이동 평균 필터를 만듭니다.
다중 클래스 의사 결정 포리스트 의사 결정 포리스트 알고리즘을 사용하여 다중 클래스 분류 모델을 만듭니다.
다중 클래스 의사 결정 정글 의사 결정 정글 알고리즘을 사용하여 다중 클래스 분류 모델을 만듭니다.
다중 클래스 로지스틱 회귀 다중 클래스 로지스틱 회귀 분류 모델을 만듭니다.
다중 클래스 신경망 신경망 알고리즘을 사용하여 다중 클래스 분류 모델을 만듭니다.
명명된 엔터티 인식 텍스트 열에서 명명된 엔터티를 인식합니다.
신경망 회귀 신경망 알고리즘을 사용하여 회귀 모델을 만듭니다.
데이터 정규화 데이터 세트 값을 표준 범위로 제한하도록 숫자 데이터의 크기를 조정합니다.
1클래스 지원 벡터 컴퓨터 변칙 검색을 위한 1클래스 지원 벡터 컴퓨터 모델을 만듭니다.
OVA(One-vs-All) 다중 클래스 이진 분류 모델의 앙상블에서 다중 클래스 분류 모델을 만듭니다.
서수 회귀 서수 회귀 모델을 만듭니다.
파티션 및 샘플 샘플링을 기반으로 데이터 세트의 여러 파티션을 만듭니다.
순열 기능 중요도 학습된 모델 및 테스트 데이터 세트에서 기능 변수의 순열 기능 중요도 점수를 계산합니다.
PCA 기반 변칙 검색 PCA(보안 주체 구성 요소 분석)를 사용하여 변칙 검색 모델을 만듭니다.
포아송 회귀 데이터에 포아송 분포가 있다고 가정하는 회귀 모델을 만듭니다.
텍스트 전처리 텍스트에 대한 정리 작업을 수행합니다.
미리 학습된 계단식 이미지 분류 OpenCV 라이브러리를 사용하여 정면 얼굴에 대해 미리 학습된 이미지 분류 모델을 만듭니다.
주 구성 요소 분석 보다 효율적인 학습을 위해 차원성을 줄인 기능 집합을 계산합니다.
중복 행 제거 데이터 세트에서 중복 행을 제거합니다.
불연속 값 바꾸기 한 열의 불연속 값을 다른 열을 기반으로 하는 숫자 값으로 대체합니다.
Matchbox 추천 점수 매기기 Matchbox 추천을 사용하여 데이터 세트에 대한 예측 점수를 매길 수 있습니다.
모델 채점 학습된 분류 또는 회귀 모델에 대한 예측 점수를 지정합니다.
Vowpal Wabbit 7-4 모델 점수 매기기 Vowpal Wabbit 기계 학습 시스템을 사용하여 데이터의 점수를 지정합니다.

Vowpal Wabbit 버전 7-4 및 7-6을 사용하여 빌드된 학습된 모델이 필요합니다.
Vowpal Wabbit 7-10 모델 점수 매기기 Vowpal Wabbit 기계 학습 시스템을 사용하여 데이터의 점수를 지정합니다.

Vowpal Wabbit 버전 7-10을 사용하여 빌드된 학습된 모델이 필요합니다.
Vowpal Wabbit 8 모델 점수 매기기 명령줄 인터페이스에서 Vowpal Wabbit 기계 학습 시스템을 사용하여 데이터의 점수를 지정합니다.

Vowpal Wabbit 버전 8을 사용하여 빌드된 학습된 모델이 필요합니다.
데이터 세트의 열 선택 작업의 데이터 세트에서 포함하거나 제외할 열을 선택합니다.
SMOTE 가상 소수 초과 샘플링을 사용하여 데이터 세트의 낮은 발생률 예제 수를 늘림
데이터 분할 데이터 세트의 행을 두 개의 개별 집합으로 분할합니다.
데이터 요약 데이터 세트의 열에 대한 기본 설명 통계 보고서를 생성합니다.
스윕 클러스터링 클러스터링 모델에서 매개 변수 스윕을 수행하여 최적의 매개 변수 설정을 결정합니다.
T-Test를 사용하여 가설 테스트 t-test를 사용하여 두 데이터 세트의 수단을 비교합니다.
임계값 필터 값을 제한하는 임계값 필터를 만듭니다.
시계열 변칙 검색 시계열 데이터의 추세를 학습한 다음 추세를 사용하여 변칙을 검색합니다.
변칙 검색 모델 학습 변칙 감지기 모델을 학습한 다음 학습 집합의 데이터에 레이블을 지정합니다.
클러스터링 모델 학습 클러스터링 모델을 학습한 다음 학습 집합의 데이터를 클러스터에 할당합니다.
Matchbox 추천 학습 Matchbox 알고리즘을 사용하여 Bayesian 추천자를 학습시킵니다.
모델 학습 감독된 방식으로 분류 또는 회귀 모델을 학습시킵니다.
Vowpal Wabbit 7-4 모델 학습 Vowpal Wabbit 기계 학습 시스템에서 모델을 학습합니다.

이 모듈은 Vowpal Wabbit 버전 7-4 및 7-6과의 호환성을 위해 제공됩니다.
Vowpal Wabbit 7-10 모델 학습 Vowpal Wabbit 기계 학습 시스템에서 모델을 학습합니다.

이 모듈은 Vowpal Wabbit 버전 7-10용입니다.
Vowpal Wabbit 8 모델 학습 Vowpal Wabbit 기계 학습 시스템의 버전 8을 사용하여 모델을 학습합니다.

이 모듈은 Vowpal Wabbit 버전 8용입니다.
모델 하이퍼 매개 변수 튜닝 회귀 또는 분류 모델에서 매개 변수 스윕을 수행하여 최적의 매개 변수 설정을 결정합니다.
2클래스 평균 퍼셉트론 평균 퍼셉트론 이진 분류 모델을 만듭니다.
2클래스 Bayes 지점 머신 Bayes 지점 컴퓨터 이진 분류 모델을 만듭니다.
2클래스 향상된 의사 결정 트리 향상된 의사 결정 트리 알고리즘을 사용하여 이진 분류자를 만듭니다.
2클래스 의사 결정 포리스트 의사 결정 포리스트 알고리즘을 사용하여 2클래스 분류 모델을 만듭니다.
2클래스 의사 결정 정글 의사 결정 정글 알고리즘을 사용하여 2클래스 분류 모델을 만듭니다.
2클래스 로컬 심층 지원 벡터 컴퓨터 로컬에서 심층 지원 벡터 머신 알고리즘을 사용하여 이진 분류 모델을 만듭니다.
2클래스 로지스틱 회귀 2클래스 로지스틱 회귀 모델을 만듭니다.
2클래스 신경망 신경망 알고리즘을 사용하여 이진 분류자를 만듭니다.
2클래스 Support Vector Machine 지원 벡터 머신 알고리즘을 사용하여 이진 분류 모델을 만듭니다.
압축된 데이터 세트 압축 풀기 사용자 스토리지의 .zip 패키지에서 데이터 세트의 압축을 풉니다.
사용자 정의 필터 사용자 지정 유한 또는 무한 임펄스 응답 필터를 만듭니다.

참고 항목