Применение преобразования

Важно!

Поддержка Студии машинного обучения (классической) будет прекращена 31 августа 2024 г. До этой даты рекомендуется перейти на Машинное обучение Azure.

Начиная с 1 декабря 2021 года вы не сможете создавать новые ресурсы Студии машинного обучения (классической). Существующие ресурсы Студии машинного обучения (классическая версия) можно будет использовать до 31 августа 2024 г.

• См. сведения о перемещении проектов машинного обучения из ML Studio (классической) в Машинное обучение Azure.
• См. дополнительные сведения о Машинном обучении Azure.

Поддержка документации по ML Studio (классической) прекращается, а сама документация может не обновляться в будущем.

Применяет точно определенное преобразование данных к набору данных

категория: Машинное обучение/оценка

Примечание

применимо к: только Машинное обучение Studio (классическая модель)

Подобные модули перетаскивания доступны в конструкторе машинного обучения Azure.

Обзор модуля

в этой статье описывается использование модуля Apply преобразование в Машинное обучение Studio (классическая модель) для изменения входного набора данных на основе ранее вычисленного преобразования.

Например, если z-показатели использовались в целях нормализации данных для обучения в модуле Нормализация данных, необходимо также использовать значение z-показателя, вычисленное для обучения на этапе оценки. в Машинное обучение Studio (классическая модель) это легко сделать, сохранив метод нормализации как преобразование, а затем применив применение преобразования , чтобы применить z-оценку к входным данным до оценки.

Машинное обучение Studio (классическая модель) обеспечивает поддержку создания и применения множества различных видов пользовательских преобразований. Например, может потребоваться сохранить и повторно использовать преобразования, которые выполняют следующие действия:

• Удаление или замена отсутствующих значений с помощью функции очистки отсутствующих данных

• Использование функции нормализации данных или группировки данных в ячейки, а также их масштабирование и нормализация

• создайте набор компактных функций, вычисляя совместное распределение вероятностей для набора данных с помощью модулей Обучение с подсчетами .

Использование функции "Применение преобразования"

1. Добавьте модуль Применить преобразование к вашему эксперименту. модуль эт можно найти в категории оценка в разделе Машинное обучение.

2. Нахождение существующего преобразования для использования в качестве входных данных.

   Если преобразование было создано ранее в эксперименте (например, в ходе операции очистки или масштабирования данных), обычно объект интерфейса итрансформ доступен в выходных данных модуля в правой части. Подключение выводить данные в левый ввод преобразования «применить преобразование».

   Ранее сохраненные преобразования можно найти в группе преобразования в левой области навигации.

   Совет

   Если вы разрабатываете преобразование для эксперимента, но не сохраняете его явным образом, преобразование доступно в рабочей области при условии, что сеанс открыт. Если закрыть сеанс, но не сохранить преобразование, можно повторно запустить эксперимент, чтобы создать объект интерфейса итрансформ .

3. Подключение набор данных, который требуется преобразовать. Набор данных должен иметь точно такую же схему (число столбцов, имена столбцов, типы данных), как и набор данных, для которого было изначально создано преобразование.

4. Другие параметры задавать не нужно. Все настройки выполняются при определении преобразования.

5. Чтобы применить преобразование к новому набору данных, запустите эксперимент.

Примеры

Чтобы увидеть, как этот модуль используется в машинном обучении, см. Коллекция решений ии Azure:

• Обнаружение мошенничества в Интернете. в этом образце показано, как использовать Преобразование Apply с чистым отсутствующим данными, чтобы гарантировать, что отсутствующие значения будут обрабатываться одинаково во всех наборах данных.

• Диагностическое обслуживание: демонстрируется использование преобразования «применить преобразование » с нормализацией данных.

• Обучение с количеством: использует преобразование Apply для повторного использования таблицы счетчиков.

Технические примечания

Модуль " Применить преобразование " может принимать в качестве входных данных все модули, создающие интерфейс итрансформ. К этим модулям относятся:

• Модуль очистки отсутствующих данных

• Модуль нормализации данных

• Группирование данных в ячейки

• Обучение с учетом количества

Совет

Можно также сохранить и повторно использовать фильтры, предназначенные для обработки цифровых сигналов. Однако фильтры используют интерфейс интерфейса IFilter , а не интерфейс итрансформ.

Ожидаемые входные данные

Имя	Тип	Описание
Преобразование	Интерфейс ITransform	Унарное преобразование данных
Dataset	Таблица данных	Набор данных для преобразования

Выходные данные

Имя	Тип	Описание
Преобразованный набор данных	Таблица данных	Преобразованный набор данных

Исключения

Исключение	Описание
Ошибка 0003	Исключение возникает, если один или несколько входных аргументов имеют значение NULL или пусты.

список ошибок, относящихся к модулям студии (классическая версия), см. в разделе Машинное обучение коды ошибок.

список исключений API см. в разделе Машинное обучение REST API коды ошибок.

См. также раздел

Фильтр
Применение преобразования SQL
Модуль очистки отсутствующих данных
Модуль нормализации данных
Список модулей в алфавитном порядке
Группирование данных в ячейки