행 추가
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)에서 Azure Machine Learning으로 기계 학습 프로젝트 이동에 대한 정보를 참조하세요.
- Azure Machine Learning에 대한 자세한 정보.
ML Studio(클래식) 설명서는 사용 중지되며 나중에 업데이트되지 않을 수 있습니다.
입력 데이터 집합의 행 집합을 다른 데이터 집합의 끝에 추가
범주: 데이터 변환/조작
모듈 개요
이 문서에서는 Machine Learning Studio(클래식)에서 행 추가 모듈을 사용하여 두 데이터 세트를 연결하는 방법을 설명합니다. 연결에서 두 번째 데이터 세트의 행은 첫 번째 데이터 세트의 끝에 추가됩니다.
행 연결은 다음과 같은 시나리오에서 유용합니다.
일련의 평가 통계를 생성했으며 보다 쉬운 보고를 위해 이러한 통계를 테이블 하나로 결합하려는 경우
여러 데이터 집합에서 작업한 후 해당 데이터 집합을 결합하여 최종 데이터 집합을 만들려는 경우
행 추가를 사용하는 방법
두 데이터 세트의 행을 연결하려면 행의 스키마가 정확히 동일해야 합니다. 이는 동일한 수의 열과 열에 동일한 유형의 데이터가 있음을 의미합니다.
행 추가 모듈을 실험으로 끌어다 줍니다. 데이터 변환의 조작 범주에서 찾을 수 있습니다.
두 입력 포트에 데이터 집합을 연결합니다. 추가할 데이터 집합이 두 번째(오른쪽) 포트에 연결되어야 합니다.
실험을 실행합니다. 출력 데이터 세트의 행 수는 두 입력 데이터 세트의 행 합계와 같아야 합니다.
행 추가 모듈의 두 입력에 동일한 데이터 세트를 추가하면 데이터 세트가 복제됩니다.
기술 정보
이 섹션에서는 구현 세부 정보 및 일반적인 질문에 대해 설명합니다.
행을 추가할 때 원본 데이터 집합을 필터링할 수 없습니다. 행 추가를 사용할 때는 입력으로 제공된 두 데이터 집합의 모든 행이 연결됩니다.
몇 개의 행만 추가하려면 Partition 및 Sample 을 사용하여 행을 필터링하고 원하는 행만 사용하여 데이터 세트를 생성하는 조건을 정의합니다.
예
이 모듈을 사용하는 방법의 예제를 보려면 Azure AI 갤러리를 참조하세요.
수요 예측: 여러 모델을 평가한 결과를 단일 데이터 세트로 결합하고 사용자 지정 처리를 위해 R 스크립트 실행으로 전달합니다.
유방암 감지: 유용한 기능을 포함하는 데이터 세트는 행 추가, 열 추가 및 데이터 조인을 사용하여 정리한 다음 결합됩니다.
학생 성과 예측: 행 추가를 사용하여 수학 연산 적용을 사용하여 계산되는 사용자 지정 메트릭의 결과를 결합합니다.
시계열 예측: R 스크립트를 사용하여 사용자 지정 메트릭을 생성한 다음 행 추가를 사용하여 단일 테이블에서 결합합니다.
예상 입력
Name | 유형 | 설명 |
---|---|---|
Dataset1 | 데이터 테이블 | 출력 데이터 집합에 먼저 추가할 데이터 집합 행입니다. |
Dataset2 | 데이터 테이블 | 첫 번째 데이터 집합에 추가할 데이터 집합 행입니다. |
출력
Name | 유형 | 설명 |
---|---|---|
결과 데이터 집합 | 데이터 테이블 | 입력 데이터 집합의 모든 행이 포함된 데이터 집합입니다. |
예외
예외 | 설명 |
---|---|
오류 0003 | 입력 데이터 집합 중 하나 이상이 null이거나 비어 있으면 예외가 발생합니다. |
오류 0010 | 입력 데이터 집합에서 열 이름이 일치해야 하는데 일치하지 않으면 예외가 발생합니다. |
오류 0016 | 모듈로 전달된 입력 데이터 집합의 열 유형이 호환되어야 하는데 호환되지 않으면 예외가 발생합니다. |
오류 0008 | 매개 변수가 범위 내에 있지 않으면 예외가 발생합니다. |
Studio(클래식) 모듈과 관련된 오류 목록은 Machine Learning 오류 코드를 참조하세요.
API 예외 목록은 Machine Learning REST API 오류 코드를 참조하세요.