Поделиться через

Ввод и вывод данных

  • Статья

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.

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

Примечание

применимо к: только Машинное обучение Studio (классическая модель)

Подобные модули перетаскивания доступны в конструкторе машинного обучения Azure.

в этой статье перечислены модули, которые можно использовать для импорта и экспорта данных и моделей в Машинное обучение Studio (классическая модель).

Помимо использования модулей, можно напрямую отправлять и скачивать наборы данных из локальных файлов на компьютере или в сети. дополнительные сведения см. в разделе Upload существующие данные в Машинное обучение эксперименте.

ниже приведены некоторые источники, которые можно использовать для импорта и экспорта данных и моделей в Машинное обучение Studio (классическая модель):

  • получение данных из источников в облаке, таких как База данных SQL Azure, Azure SQL Data Warehouse, служба хранилища Azure и Azure Cosmos DB. вы также можете импортировать данные, предоставленные в виде URL-адреса общедоступного интернета, получить данные из Hadoop с помощью запроса Hive или запросить локальный сервер SQL.
  • Загрузите коллекцию образов из хранилища BLOB-объектов Azure, чтобы использовать их в задачах классификации образов.
  • извлеките данные из zip-файлов, отправленных в Машинное обучение. Наборы данных можно использовать в экспериментах.
  • создайте небольшие наборы данных, введя их в пользовательском интерфейсе Машинное обучение Studio (классический). Это может быть удобно для создания небольших тестовых наборов данных.
  • сохраняйте результаты или промежуточные данные в хранилище таблиц Azure, хранилище Blob-объектов, SQL базу данных или запрос Hive.
  • Получите обученную модель на основе URL-адреса или хранилища больших двоичных объектов, а затем используйте ее в эксперименте.

Примечание

модули в этой группе перемещают данные в Машинное обучение Studio (классическая модель) или из нее. Эти модули нельзя использовать для фильтрации, приведения или преобразования данных в процессе импорта или экспорта.

дополнительные сведения о преобразовании и фильтрации данных в Машинное обучение Studio (классическая модель) см. в разделе преобразование данных.

Ресурсы

В следующих статьях представлены распространенные сценарии использования данных в машинном обучении.

Начало работы

Узнайте, как управлять данными для машинного обучения в облаке. Сведения в этой статье основаны на ЧЕТКОм и промышленном стандартах. в этой статье приведены комплексные пошаговые руководства, демонстрирующие интеграцию машинного обучения с облачными решениями для работы с данными, такими как Azure HDInsight и База данных SQL.

В этой статье описывается, как получить данные в Azure, а затем создать эксперимент.

Расширенная обработка и анализ данных

узнайте, как установить клиентскую библиотеку Машинное обучение Python, а затем использовать ее для доступа к метаданным и работы с наборами данных.

Примеры экспериментов

Список модулей

Категория входных и выходных данных включает следующие модули:

  • Введите данные вручную: позволяет создавать небольшие наборы данных путем ввода значений.
  • экспорт данных: записывает набор данных в url-адреса в интернете или в различные формы облачного хранилища в Azure, такие как таблицы, большие двоичные объекты или база данных SQL.
  • импорт данных: загружает данные из внешних источников в интернете и из различных форм облачного хранилища в Azure, таких как хранилище таблиц, хранилище Blob-объектов, База данных SQL, SQL Data Warehouse, Azure Cosmos DB или запрос Hive. вы также можете импортировать данные из локальной базы данных SQL Server.
  • Загрузка обученной модели: получает обученную модель из URL-адреса или хранилища BLOB для использования в эксперименте оценки.
  • Распаковать ZIP-наборыданных: распаковывает набор DataSet, сохраненный в формате ZIP, а затем добавляет набор данных в рабочую область.

См. также раздел