Machine Learning Studio (klasyczne): pomoc dla algorytmów i modułów
Ważne
Obsługa programu Machine Learning Studio (wersja klasyczna) zakończy się 31 sierpnia 2024 r. Zalecamy przejście do usługi Azure Machine Learning przed tym terminem.
Od 1 grudnia 2021 r. nie będzie można tworzyć nowych zasobów programu Machine Learning Studio (wersja klasyczna). Do 31 sierpnia 2024 r. można będzie nadal korzystać z istniejących zasobów programu Machine Learning Studio (wersja klasyczna).
- Zobacz informacje na temat przenoszenia projektów uczenia maszynowego z programu ML Studio (wersja klasyczna) do Azure Machine Learning.
- Dowiedz się więcej o Azure Machine Learning.
Dokumentacja programu ML Studio (wersja klasyczna) jest wycofywana i może nie być aktualizowana w przyszłości.
Porada
Klienci korzystający obecnie z usługi Machine Learning Studio (wersja klasyczna) lub przeprowadzający jej ewaluację mogą wypróbować projektanta usługi Azure Machine Learning, który udostępnia przeciąganie i upuszczanie modułów ML oraz skalowalność, kontrolę wersji i zabezpieczenia przedsiębiorstwa.
Machine Learning Studio (klasyczne) to usługa analizy predykcyjnej w chmurze, która umożliwia szybkie tworzenie i wdrażanie modeli predykcyjnych jako rozwiązań analitycznych. Narzędzia uczenia maszynowego to w większości usługi w chmurze, które eliminują problemy z instalacją i instalacją, ponieważ można pracować za pośrednictwem przeglądarki internetowej na dowolnym komputerze połączonym z Internetem. Aby uzyskać więcej informacji, zobacz artykuł "Co to jest studio (klasyczne) ?".
Ta dokumentacja zawiera szczegółowe informacje techniczne i instrukcje dotyczące modułów dostępnych w programie Machine Learning Studio (wersja klasyczna).
- Zaloguj się do obszaru roboczego Machine Learning Studio (klasycznej) i rozpoczynanie pracy.
Co to jest moduł?
Każdy moduł w programie Machine Learning Studio (klasycznym) reprezentuje zestaw kodu, który może być uruchamiany niezależnie i wykonywać zadanie uczenia maszynowego, biorąc pod uwagę wymagane dane wejściowe. Moduł może zawierać określony algorytm lub wykonywać zadanie, które jest ważne w uczeniu maszynowym, takie jak brak zastąpienia wartości lub analiza statystyczna.
W programie Studio (klasycznym) moduły są zorganizowane według funkcji:
Moduły danych wejściowych i wyjściowych przeprowadzają przenoszenie danych ze źródeł w chmurze do eksperymentu. Wyniki lub dane pośrednie można zapisywać w usłudze Azure Storage, bazie danych SQL lub Hive podczas prowadzenia eksperymentu lub używać magazynu w chmurze do wymiany danych między eksperymentami.
Moduły przekształcania danych obsługują operacje na danych, które są unikatowe dla uczenia maszynowego, takie jak normalizacja lub ujednanie danych, wybór cech i redukcja wymiarów.
Algorytmy uczenia maszynowego, takie jak klastrowanie, maszyna wektorów wsparcia lub sieci neuronowe, są dostępne w poszczególnych modułach, które umożliwiają dostosowanie zadania uczenia maszynowego przy użyciu odpowiednich parametrów. W przypadku zadań klasyfikacji można wybrać algorytm binarny lub wieloklasowy.
Po skonfigurowaniu modelu użyj modułu szkoleniowego, aby uruchomić dane za pośrednictwem algorytmu i zmierzyć dokładność wytrenowany model przy użyciu jednego z modułów oceny. Aby uzyskać przewidywania z właśnie wytrenego modelu, użyj jednego z modułów oceniania.
Wykrywanie anomalii: Machine Learning Studio (klasyczne) obejmuje wiele algorytmów wyspecjalizowanych dla tych zadań.
Moduły analizy tekstu obsługują różne zadania przetwarzania języka naturalnego.
Obsługa rozwiązania Vowpal Wabbit ułatwia korzystanie z tej skalowalnej platformy.
Moduły języków Python i R ułatwiają uruchamianie funkcji niestandardowej. Piszesz kod i osadzasz go w module, aby zintegrować język Python i R z usługą eksperymentu.
Biblioteka OpenCV udostępnia moduły do użycia w określonych zadaniach rozpoznawania obrazów.
Analiza szeregów czasowych obsługuje wykrywanie anomalii w szeregach czasu.
Moduły statystyczne oferują szeroką gamę metod liczbowych związanych z nauką o danych. W tej grupie poszukaj metod korelacji, podsumowań danych oraz operacji statystycznych i matematycznych.
W tej sekcji dokumentacji znajdziesz informacje techniczne dotyczące algorytmów uczenia maszynowego, szczegóły implementacji (jeśli są dostępne) oraz linki do przykładowych eksperymentów, które pokazują, jak jest używany moduł. Przykłady można pobrać z witryny Azure AI Gallery do obszaru roboczego. Te przykłady są do użytku publicznego.
Porada
Jeśli zalogowano się do programu Machine Learning Studio (wersja klasyczna) i utworzono eksperyment, możesz uzyskać informacje o określonym module. Wybierz moduł, a następnie wybierz link Więcej pomocy w okienku Szybka pomoc.
Inne informacje techniczne
| Sekcja | Opis |
|---|---|
| Lista typów danych | Ta sekcja zawiera tematy referencyjne opisujące interfejsy uczące się oraz DataTable format używany dla zestawów danych. |
| Lista wyjątków | W tej sekcji wymieniono błędy, które mogą generować moduły, wraz z przyczynami i możliwymi obejściami. Aby uzyskać listę kodów błędów związanych z interfejsem API usługi internetowej, zobacz Machine Learning API REST. |