Partilhar via


ML Descrições do módulo do Estúdio (clássico)

Importante

O suporte para o Estúdio de ML (clássico) terminará a 31 de agosto de 2024. Recomendamos a transição para o Azure Machine Learning até essa data.

A partir de 1 de dezembro de 2021, não poderá criar novos recursos do Estúdio de ML (clássico). Até 31 de agosto de 2024, pode continuar a utilizar os recursos existentes do Estúdio de ML (clássico).

A documentação do Estúdio de ML (clássico) está a ser descontinuada e poderá não ser atualizada no futuro.

Este tópico fornece uma visão geral de todos os módulos incluídos no Machine Learning Studio (clássico), que é um espaço de trabalho interativo e visual para facilmente construir e testar modelos preditivos.

Nota

Aplica-se a: Machine Learning Studio (clássico) apenas

Módulos semelhantes de arrasto e queda estão disponíveis em Azure Machine Learning designer.

O que é um módulo?

Em Machine Learning Studio (clássico), um módulo é um bloco de construção para criar experiências. Cada módulo encapsula um algoritmo específico de aprendizagem automática, função ou biblioteca de códigos que pode atuar em dados no seu espaço de trabalho. Os módulos são projetados para aceitar ligações de outros módulos, para partilhar e modificar dados.

O código que funciona em cada módulo vem de muitas fontes. Estas incluem bibliotecas e idiomas de código aberto, algoritmos desenvolvidos pela Microsoft Research, e ferramentas para trabalhar com a Azure e outros serviços na nuvem.

Dica

À procura de algoritmos de aprendizagem automática? Consulte a categoria Machine Learning, que contém módulos para árvores de decisão, agrupamentos, redes neurais, entre outras. As categorias De Comboio e Avaliação incluem módulos para ajudar a treinar e testar os seus modelos.

Ao ligar e configurar módulos, pode criar um fluxo de trabalho que lê dados de fontes externas, prepara-os para análise, aplica algoritmos de aprendizagem automática e gera resultados.

Quando uma experiência é aberta no Machine Learning Studio (clássico), você pode ver a lista completa de módulos atuais no painel de navegação à esquerda. Arrastas estes blocos de construção para a tua experiência, e depois ligas-lhes para criar um fluxo completo de aprendizagem automática, chamado experiência.

Por vezes, os módulos são atualizados para adicionar novas funcionalidades ou para remover códigos mais antigos. Quando isto acontece, quaisquer experiências que criaste que utilizes o módulo continuam a funcionar. Mas da próxima vez que abrir a experiência, é solicitado a atualizar o módulo, ou a usar um módulo diferente.

Exemplos

Para um exemplo de como construir uma experiência completa de aprendizagem automática, consulte estes tutoriais:

Categorias do módulo

Para facilitar a procura de módulos relacionados, as ferramentas de machine learning no Machine Learning Studio (clássico) são agrupadas por estas categorias.

Conversões de formato de dados

Utilize estes módulos para converter dados num dos formatos utilizados por outras ferramentas ou formatos de machine learning.

  • Entrada e saída de dados

    Utilize estes módulos para ler dados e modelos a partir de fontes de dados em nuvem, incluindo clusters Hadoop, armazenamento de mesa Azure e URLs web. Também pode utilizar estes módulos para escrever resultados para armazenamento ou para uma base de dados.

  • Transformação de Dados

    Utilize estes módulos para preparar dados para análise. Pode alterar tipos de dados, colunas de bandeira como características ou etiquetas, gerar funcionalidades e escalar ou normalizar dados.

  • Filtro

    Transforme dados numéricos derivados do processamento de sinal digital.

  • Aprendizagem com condes

    Utilize distribuições de probabilidades conjuntas para construir funcionalidades que descrevem compactamente grandes conjuntos de dados.

  • Manipulação

    Este grupo fornece uma variedade de ferramentas para a ciência dos dados. Por exemplo, pode remover ou substituir valores em falta, escolher um subconjunto de colunas, adicionar uma coluna ou concatenar dois conjuntos de dados.

  • Amostra e Divisão

    Divida um conjunto de dados por critérios ou por tamanho, para criar conjuntos de treino e teste, ou para isolar certas linhas.

  • Escala e Redução

    Transforme dados numéricos.

Seleção de Recursos

Utilize estes módulos para identificar as melhores funcionalidades dos seus dados, utilizando métodos estatísticos amplamente pesquisados.

Machine Learning

Este grupo contém a maioria dos algoritmos de aprendizagem automática suportados por Machine Learning.

Contém também módulos destinados a suportar os algoritmos através de modelos de treino, gerando pontuações e avaliando o desempenho do modelo.

Módulos da Biblioteca OpenCV

Estes módulos dão-lhe fácil acesso a uma popular biblioteca de código aberto para processamento de imagem e classificação de imagem.

Módulos de Linguagem R

Utilize estes módulos para adicionar código R personalizado à sua experiência ou implementar um modelo de aprendizagem automática baseado num pacote R.

Módulos de Língua Python

Utilize estes módulos para adicionar código Python personalizado à sua experiência.

Funções Estatísticas

Utilize estes módulos para calcular as distribuições de probabilidades, criar cálculos personalizados e executar uma grande variedade de outras tarefas relacionadas com variáveis numéricas.

Análise de Texto

Utilize estes módulos para executar o hashing de funcionalidades e reconhecimento de entidades nomeadas, ou para pré-processar texto usando ferramentas de processamento de linguagem natural.

Séries Temporências

Utilize estes módulos para avaliar anomalias nas tendências, utilizando algoritmos especificamente concebidos para dados da série de tempo.

Machine Learning os módulos studio (clássicos) não tentam duplicar ferramentas de integração de dados suportadas noutras ferramentas, como a Azure Data Factory. Em vez disso, os módulos fornecem funcionalidades específicas para a aprendizagem automática:

  • Normalização, agrupamento e escalonamento de dados
  • Computação da distribuição estatística dos dados
  • Conversão para outros formatos de aprendizagem automática
  • Importação de dados utilizados para experiências de aprendizagem automática e exportação de resultados
  • Análise de texto, seleção de recursos e redução da dimensionalidade

Se necessitar de instalações mais sofisticadas para manipulação e armazenamento de dados, consulte o seguinte:

Ver também