Train Clustering Model (Preparar Modelo de Clustering)
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).
- Consulte informações sobre projetos de machine learning em movimento de ML Studio (clássico) para Azure Machine Learning.
- Saiba mais sobre Azure Machine Learning.
A documentação do Estúdio de ML (clássico) está a ser descontinuada e poderá não ser atualizada no futuro.
Treina um modelo de agrupamento e atribui dados do conjunto de formação a clusters
Categoria: Machine Learning / Comboio
Nota
Aplica-se a: Machine Learning Studio (clássico) apenas
Módulos semelhantes de arrasto e queda estão disponíveis em Azure Machine Learning designer.
Visão geral do módulo
Este artigo descreve como usar o módulo Train Clustering Model em Machine Learning Studio (clássico), para treinar um modelo de agrupamento.
O módulo requer um modelo de agrupamento não treinado que já configurado utilizando o módulo de Clustering K-Means , e treina o modelo usando um conjunto de dados rotulado ou não rotulado. O módulo cria tanto um modelo treinado que pode usar para previsão, como um conjunto de atribuições de cluster para cada caso nos dados de treino.
Nota
Um modelo de clustering não pode ser treinado usando o módulo Train Model , que é o módulo genérico para criar modelos de aprendizagem automática. Isto porque o Train Model funciona apenas com algoritmos de aprendizagem supervisionados. Os k-meios e outros algoritmos de agrupamento permitem uma aprendizagem não supervisionada, o que significa que o algoritmo pode aprender com dados não rotulados.
Como usar o modelo de clustering do comboio
Adicione o módulo Modelo de Clustering de Comboio à sua experiência no Studio (clássico). Pode encontrar o módulo em Machine Learning Módulos, na categoria Comboio.
Adicione o módulo de clustering K-Means , ou outro módulo personalizado que cria um modelo de agrupamento compatível, e desa estalem os parâmetros do modelo de agrupamento.
Anexar um conjunto de dados de treino à entrada direita do Modelo de Agrupamento de Comboios.
No Conjunto de Colunas, selecione as colunas do conjunto de dados para utilizar em aglomerados de construção. Certifique-se de selecionar colunas que fazem boas funcionalidades: por exemplo, evite usar IDs ou outras colunas com valores únicos, ou colunas que tenham todos os mesmos valores.
Se houver uma etiqueta disponível, pode usá-la como recurso ou deixá-la de fora.
Selecione a opção, Verifique se o Apêndice ou Desmarcar apenas o resultado, se pretender desemparar os dados de formação juntamente com a nova etiqueta do cluster.
Se desmarcar esta opção, apenas as atribuições de cluster são de saída.
Executar a experiência, ou clicar no módulo Modelo de Agrupamento de Comboios e selecione Run Selected.
Resultados
Após o treino ter terminado:
Para ver o cluster e a sua separação num gráfico, clique com o botão direito na saída do conjunto de dados de Resultados e selecione Visualize.
O gráfico representa os principais componentes do cluster, em vez dos valores reais. Consulte a Análise principal de Componentes para obter mais informações.
Para visualizar os valores no conjunto de dados, adicione uma instância do módulo Convertendo-o ao Conjunto de Dados e conecte-o à saída do conjunto de dados de resultados . Executar o módulo Converter para Conjunto de Dados para obter uma cópia dos dados que pode ver ou descarregar.
Para guardar o modelo treinado para posterior reutilização, clique com o botão direito no módulo, selecione Modelo Treinado e clique em Save As Trained Model.
Para gerar pontuações a partir do modelo, utilize atribuir dados aos clusters.
Exemplos
Para um exemplo de como o agrupamento é usado na aprendizagem automática, consulte a Galeria Azure AI:
Agrupamento: Encontrar empresas similares: Demonstra como utilizar o agrupamento em atributos derivados de textos não estruturados.
Agrupamento: Quantificação de cores: Demonstra como usar o agrupamento para encontrar cores relacionadas e reduzir o número de bits usados nas imagens.
Agrupamento: Dados da íris do grupo: Fornece um exemplo simples de agrupamento com base no conjunto de dados da íris.
Entradas esperadas
| Nome | Tipo | Description |
|---|---|---|
| Modelo destreinado | Interface ICluster | Modelo de agrupamento não treinado |
| Conjunto de dados | Tabela de Dados | Fonte de dados de entrada |
Parâmetros do módulo
| Nome | Intervalo | Tipo | Predefinição | Description |
|---|---|---|---|---|
| Conjunto de colunas | qualquer | Seleção de Colunas | Padrão de seleção de colunas | |
| Verifique se o Apêndice ou o Uncheck apenas para resultados | qualquer | Booleano | true | Se o conjunto de dados de saída deve conter conjunto de dados de entrada anexado pela coluna de atribuições (Verificado) ou apenas coluna de atribuições (não verificada) |
Saídas
| Nome | Tipo | Description |
|---|---|---|
| Modelo treinado | Interface ICluster | Modelo de agrupamento treinado |
| Conjunto de dados de resultados | Tabela de Dados | Conjunto de dados de entrada anexado por coluna de dados de atribuições ou coluna de atribuições |
Exceções
| Exceção | Description |
|---|---|
| Erro 0003 | A exceção ocorre se uma ou mais entradas forem nulas ou vazias. |
Para obter uma lista de erros específicos dos módulos Studio (clássicos), consulte Machine Learning Códigos de Erro.
Para obter uma lista de exceções da API, consulte Machine Learning CÓDIGOs de Erro da API REST.
Ver também
Lista de Módulos A-Z
Preparar
Assign Data to Clusters (Atribuir Dados a Clusters)
Clustering K-Means