Gegevens transformeren in Azure Machine Learning Designer

In dit artikel leert u hoe u gegevenssets kunt transformeren en opslaan in de Azure Machine Learning-ontwerpfunctie om uw eigen gegevens voor te bereiden op machine learning.

U gebruikt de binaire classificatiegegevensset voor volwassen volkstelling voor volwassenen om twee gegevenssets voor te bereiden: één gegevensset met gegevens over volwassen volkstelling van alleen de Verenigde Staten en een andere gegevensset met volkstellingsgegevens van niet-Amerikaanse volwassenen.

In dit artikel leert u het volgende:

1. Een gegevensset transformeren om deze voor te bereiden op training.
2. Exporteer de resulterende gegevenssets naar een gegevensarchief.
3. Bekijk de resultaten.

Deze procedure is een vereiste voor het artikel over het opnieuw trainen van ontwerpmodellen . In dit artikel leert u hoe u de getransformeerde gegevenssets gebruikt om meerdere modellen te trainen, met pijplijnparameters.

Belangrijk

Als u geen grafische elementen ziet die in dit document worden vermeld, zoals knoppen in studio of ontwerper, hebt u mogelijk niet het juiste machtigingsniveau voor de werkruimte. Neem contact op met de beheerder van uw Azure-abonnement om te controleren of u het juiste toegangsniveau hebt gekregen. Ga naar Gebruikers en rollen beheren voor meer informatie.

Een gegevensset transformeren

In deze sectie leert u hoe u de voorbeeldgegevensset importeert en de gegevens splitst in amerikaanse en niet-AMERIKAANSE gegevenssets. Ga naar het importeren van gegevens voor meer informatie over het importeren van uw eigen gegevens in de ontwerpfunctie.

Gegevens importeren

Gebruik deze stappen om de voorbeeldgegevensset te importeren:

1. Meld u aan bij Azure Machine Learning-studio en selecteer de werkruimte die u wilt gebruiken

2. Ga naar de ontwerper. Selecteer Een nieuwe pijplijn maken met klassieke vooraf gemaakte onderdelen om een nieuwe pijplijn te maken

3. Vouw links van het pijplijncanvas op het tabblad Onderdeel het knooppunt Voorbeeldgegevens uit

4. Sleep de binaire classificatiegegevensset voor volwassen volkstelling en zet deze neer op het canvas

5. Selecteer met de rechtermuisknop het onderdeel Gegevensset voor volkstelling voor volwassenen en selecteer Voorbeeldgegevens

6. Gebruik het voorbeeldvenster voor gegevens om de gegevensset te verkennen. Noteer de kolomwaarden 'systeemeigen land'.

De gegevens splitsen

In deze sectie gebruikt u het onderdeel Split Data om rijen te identificeren en te splitsen die 'Verenigde Staten' bevatten in de kolom Systeemeigen land

1. Vouw links van het canvas op het onderdeeltabblad de sectie Gegevenstransformatie uit en zoek het onderdeel Split Data

2. Sleep het onderdeel Split Data naar het canvas en zet dat onderdeel onder het gegevenssetonderdeel

3. Het gegevenssetonderdeel verbinden met het onderdeel Split Data

4. Selecteer het onderdeel Split Data om het deelvenster Split Data te openen

5. Rechts van het canvas in het pictogram Parameters stelt u de splitsmodus in op Reguliere expressie

6. Voer de reguliere expressie in: \"native-country" United-States

   De modus Reguliere expressie test één kolom voor een waarde. Ga naar de referentiepagina van het gerelateerde algoritmeonderdeel voor meer informatie over het onderdeel Split Data

Uw pijplijn moet er ongeveer als volgt uitzien:

De gegevenssets opslaan

Nu u uw pijplijn hebt ingesteld om de gegevens te splitsen, moet u opgeven waar de gegevenssets moeten worden bewaard. In dit voorbeeld gebruikt u het onderdeel Gegevens exporteren om uw gegevensset op te slaan in een gegevensarchief. Ga naar Connect to Azure Storage Services voor meer informatie over gegevensarchieven.

1. Vouw links van het canvas in het onderdeelpalet de sectie Gegevensinvoer en Uitvoer uit en zoek het onderdeel Gegevens exporteren

2. Sleep en zet twee exportgegevensonderdelen onder het onderdeel Split Data

3. Elke uitvoerpoort van het onderdeel Split Data verbinden met een ander onderdeel Gegevens exporteren

   Uw pijplijn moet er als volgt uitzien:

   

4. Selecteer het onderdeel Gegevens exporteren dat is verbonden met de meest linkse poort van het onderdeel Split Data om het deelvenster Gegevens exporteren te openen

   Voor het onderdeel Split Data is de uitvoerpoortvolgorde belangrijk. De eerste uitvoerpoort bevat de rijen waarin de reguliere expressie waar is. In dit geval bevat de eerste poort rijen voor inkomsten op basis van de VS en de tweede poort rijen voor niet-Amerikaanse inkomsten

5. Stel in het detailvenster van het onderdeel rechts van het canvas de volgende opties in:

   Gegevensarchieftype: Azure Blob Storage

   Gegevensarchief: Selecteer een bestaand gegevensarchief of selecteer 'Nieuw gegevensarchief' om een nieuw gegevensarchief te maken

   Pad: /data/us-income

   Bestandsindeling: CSV

   Notitie

   In dit artikel wordt ervan uitgegaan dat u toegang hebt tot een gegevensarchief dat is geregistreerd bij de huidige Azure Machine Learning-werkruimte. Ga naar Verbinding maken met Azure Storage-services voor installatie-instructies voor gegevensopslag

   U kunt een gegevensarchief maken als u er nog geen hebt. In dit artikel worden de gegevenssets bijvoorbeeld opgeslagen in het standaard-blobopslagaccount dat is gekoppeld aan de werkruimte. De gegevenssets worden opgeslagen in de azureml container, in een nieuwe map met de naam data

6. Selecteer het onderdeel Gegevens exporteren dat is verbonden met de meest rechtse poort van het onderdeel Split Data om het deelvenster Gegevens exporteren te openen

7. Stel rechts van het canvas in het detailvenster van het onderdeel de volgende opties in:

   Gegevensarchieftype: Azure Blob Storage

   Gegevensarchief: Selecteer het eerdere gegevensarchief

   Pad: /data/non-us-income

   Bestandsindeling: CSV

8. Controleer of het onderdeel Gegevens exporteren is verbonden met de linkerpoort van de splitsgegevens het pad heeft /data/us-income

9. Controleer of het onderdeel Gegevens exporteren dat is verbonden met de juiste poort het pad heeft /data/non-us-income

   Uw pijplijn en instellingen moeten er als volgt uitzien:

   

De taak verzenden

Nu u uw pijplijn hebt ingesteld om de gegevens te splitsen en te exporteren, dient u een pijplijntaak in.

1. Selecteer Configureren en verzenden boven aan het canvas

2. Selecteer de optie Nieuwe maken in het deelvenster Basisbeginselen van de pijplijntaak instellen om een experiment te maken

   Experimenten groeperen gerelateerde pijplijntaken logisch. Als u deze pijplijn in de toekomst uitvoert, moet u hetzelfde experiment gebruiken voor logboekregistratie en tracering

3. Geef een beschrijvende experimentnaam op, bijvoorbeeld 'split-census-data'

4. Selecteer Beoordelen en verzenden en selecteer vervolgens Verzenden

Resultaten weergeven

Nadat de pijplijn is uitgevoerd, kunt u naar uw Azure Portal-blobopslag navigeren om uw resultaten weer te geven. U kunt ook de tussenliggende resultaten van het onderdeel Split Data bekijken om te controleren of uw gegevens correct zijn gesplitst.

1. Het onderdeel Split Data selecteren

2. Selecteer in het detailvenster van het onderdeel rechts van het canvas het tabblad Uitvoer en logboeken

3. Selecteer de vervolgkeuzelijst Gegevensuitvoer weergeven

4. Selecteer het pictogram Visualiseren naast resultatengegevensset1

5. Controleer of de kolom 'native-country' alleen de waarde 'Verenigde Staten' bevat

6. Selecteer het pictogram Visualiseren naast resultatengegevensset2

7. Controleer of de kolom systeemeigen land niet de waarde 'Verenigde Staten' bevat

Resources opschonen

Sla deze sectie over om door te gaan met deel twee van deze modellen opnieuw trainen met azure Machine Learning Designer .

Belangrijk

U kunt de resources die u hebt gemaakt, gebruiken als vereisten voor andere Azure Machine Learning-zelfstudies en artikelen met procedures.

Alles verwijderen

Als u niets wilt gebruiken dat u hebt gemaakt, kunt u de hele resourcegroep verwijderen zodat er geen kosten voor in rekening worden gebracht.

1. Selecteer in Azure Portal, aan de linkerkant in het venster, de optie Resourcegroepen.

   

2. Selecteer de resourcegroep die u hebt gemaakt in de lijst.

3. Selecteer Resourcegroep verwijderen.

Als u de resource groep verwijdert, worden ook alle resources verwijderd die u in de ontwerpfunctie hebt gemaakt.

Afzonderlijke assets verwijderen

In de ontwerpfunctie waar u uw experiment hebt gemaakt, verwijdert u afzonderlijke assets door ze te selecteren en vervolgens de knop Verwijderen te selecteren.

Het rekendoel dat u hier hebt gemaakt, wordt, wanneer het niet wordt gebruikt, automatisch geschaald naar nul knooppunten. Deze actie wordt uitgevoerd om de kosten te minimaliseren. Als u het rekendoel wilt verwijderen, voert u de volgende stappen uit:

U kunt de registratie van gegevenssets vanuit uw werkruimte opheffen door alle gegevenssets te selecteren en Registratie opheffen te selecteren.

Als u een gegevensset wilt verwijderen, gaat u naar het opslagaccount via Azure Portal of Azure Storage Explorer en verwijdert u de assets handmatig.

Volgende stappen

In dit artikel hebt u geleerd hoe u een gegevensset transformeert en opslaat in een geregistreerd gegevensarchief.

Ga door naar het volgende deel van deze reeks met modellen opnieuw trainen met Azure Machine Learning Designer om uw getransformeerde gegevenssets en pijplijnparameters te gebruiken om machine learning-modellen te trainen.