Kolommen toevoegen
Belangrijk
De ondersteuning voor Azure Machine Learning-studio (klassiek) eindigt op 31 augustus 2024. U wordt aangeraden om vóór die datum over te stappen naar Azure Machine Learning.
Vanaf 1 december 2021 kunt u geen nieuwe resources voor Azure Machine Learning-studio (klassiek) meer maken. Tot en met 31 augustus 2024 kunt u de bestaande resources van Azure Machine Learning-studio (klassiek) blijven gebruiken.
- Zie informatie over het verplaatsen machine learning van ML Studio (klassiek) naar Azure Machine Learning.
- Meer informatie over Azure Machine Learning.
De documentatie van ML-studio (klassiek) wordt buiten gebruik gesteld en wordt in de toekomst mogelijk niet meer bijgewerkt.
Voegt een set kolommen van de ene gegevensset toe aan een andere
Categorie: Gegevenstransformatie/manipulatie
Notitie
Van toepassing op: Machine Learning Studio (klassiek)
Vergelijkbare modules met slepen en neerzetten zijn beschikbaar in Azure Machine Learning designer.
Moduleoverzicht
In dit artikel wordt beschreven hoe u de module Kolommen toevoegen in Machine Learning Studio (klassiek) gebruikt om twee gegevenssets samen te voegen.
U combineert alle kolommen uit de twee gegevenssets die u opgeeft als invoer om één gegevensset te maken. Als u meer dan twee gegevenssets moet samenvoegen, gebruikt u verschillende exemplaren van Kolommen toevoegen.
Bij het combineren van twee gegevenssets die een ander aantal rijen bevatten, raden we u aan de module Join Data te gebruiken, die ondersteuning biedt voor outer joins in een gemeenschappelijke sleutelkolom.
Kolommen toevoegen configureren
Voeg de module Kolommen toevoegen toe aan uw experiment.
Verbinding maken de twee gegevenssets die u wilt samenvoegen. Als u meer dan twee gegevenssets wilt combineren, kunt u verschillende combinaties van Kolommen toevoegen aan elkaar koppelen.
Het is mogelijk om twee kolommen te combineren die een ander aantal rijen hebben. De uitvoerset wordt opgevuld met ontbrekende waarden voor elke rij in de kleinere bronkolom.
U kunt geen afzonderlijke kolommen kiezen om toe te voegen. Alle kolommen uit elke gegevensset worden samenvoegd wanneer u Kolommen toevoegen gebruikt. Als u dus slechts een subset van de kolommen wilt toevoegen, gebruikt u Kolommen in gegevensset selecteren om een gegevensset te maken met de wante kolommen.
Voer het experiment uit.
Resultaten
Nadat het experiment is uitgevoerd:
- Als u de eerste rijen van de nieuwe gegevensset wilt zien, klikt u met de rechtermuisknop op de uitvoer van Kolommen toevoegen en selecteert u Visualiseren.
- Als u de samenvoegde gegevensset wilt opslaan en een naam wilt geven, klikt u met de rechtermuisknop op de uitvoer en selecteert u Opslaan als gegevensset .
Het aantal kolommen in de nieuwe gegevensset is gelijk aan de som van de kolommen van beide invoersets.
Als de invoersets twee kolommen met dezelfde naam hebben, wordt een numeriek achtervoegsel toegevoegd aan de naam van de kolom uit de gegevensset die wordt gebruikt in de rechterinvoerkolom. Als er bijvoorbeeld twee exemplaren van een kolom met de naam TargetOutcome zijn, krijgt de rechterkolom de naam TargetOutcome (1).
Voorbeelden
Voor voorbeelden van hoe kolommen toevoegen wordt gebruikt in een experiment, zie de Azure AI Gallery:
Voorspelling van klantrelatie: Een kolom die labels bevat, wordt gecombineerd met een functiegegevensset.
Detectie van borstkanker: gegevenssets die kenmerken bevatten, worden opgeschoond en vervolgens gecombineerd met behulp van Rijen toevoegen,Kolommen toevoegen en Gegevens toevoegen.
Verwachte invoer
| Naam | Type | Description |
|---|---|---|
| Linker gegevensset | Gegevenstabel | Linker gegevensset |
| Juiste gegevensset | Gegevenstabel | Juiste gegevensset |
Uitvoer
| Naam | Type | Description |
|---|---|---|
| Gecombineerde gegevensset | Gegevenstabel | Gecombineerde gegevensset |
Uitzonderingen
| Uitzondering | Description |
|---|---|
| Fout 0003 | Er treedt een uitzondering op als een of meer invoersets null of leeg zijn. |
| Fout 0017 | Er treedt een uitzondering op als een of meer opgegeven kolommen een type hebben dat niet wordt ondersteund door de huidige module. |
Zie Foutcodes voor een lijst met fouten die specifiek zijn Machine Learning voor Studio-modules (klassiek).
Zie Foutcodes voor een lijst Machine Learning REST API API-uitzonderingen.