Lägga till rader
Viktigt
Stödet för Machine Learning Studio (klassisk) upphör den 31 augusti 2024. Vi rekommenderar att du byter till Azure Machine Learning innan dess.
Från och med den 1 december 2021 kan du inte längre skapa nya Machine Learning Studio-resurser (klassisk). Du kan fortsätta att använda befintliga Machine Learning Studio-resurser (klassisk) till och med den 31 augusti 2024.
- Se information om hur du flyttar maskininlärningsprojekt från ML Studio (klassisk) till Azure Machine Learning.
- Läs mer om Azure Machine Learning.
Dokumentationen om ML Studio (klassisk) håller på att dras tillbaka och kanske inte uppdateras i framtiden.
Lägger till en uppsättning rader från en indatauppsättning i slutet av en annan datauppsättning
Kategori: Datatransformering/manipulering
Anteckning
Gäller endast för: Machine Learning Studio (klassisk)
Liknande dra och släpp-moduler är tillgängliga i Azure Machine Learning designer.
Modulöversikt
Den här artikeln beskriver hur du använder modulen Lägg till rader i Machine Learning Studio (klassisk) för att sammanfoga två datauppsättningar. I sammanfogning läggs raderna i den andra datauppsättningen till i slutet av den första datauppsättningen.
Sammanfogning av rader är användbart i scenarier som dessa:
Du har genererat en serie utvärderingsstatistik och vill kombinera dem i en tabell för enklare rapportering.
Du har arbetat med olika datauppsättningar och vill kombinera datauppsättningarna för att skapa en slutlig datauppsättning.
Så här använder du Lägg till rader
Om du vill sammanfoga rader från två datauppsättningar måste raderna ha exakt samma schema. Det innebär samma antal kolumner och samma typ av data i kolumnerna.
Dra modulen Lägg till rader till experimentet. Du hittar den under Datatransformering i kategorin Manipulera .
Anslut datauppsättningarna till de två indataportarna. Den datauppsättning som du vill lägga till ska vara ansluten till den andra (högra) porten.
Kör experimentet. Antalet rader i utdatauppsättningen ska vara lika med summan av raderna i båda indatauppsättningarna.
Om du lägger till samma datauppsättning till båda indata i modulen Lägg till rader, dupliceras datauppsättningen.
Teknisk information
I det här avsnittet beskrivs implementeringsinformation och vanliga frågor.
Du kan inte filtrera källdatauppsättningen när du lägger till rader. Alla rader från båda datauppsättningarna som anges som indata sammanfogas när du använder Lägg till rader.
Om du bara vill lägga till några rader använder du Partition och Exempel för att definiera ett villkor som filtrerar raderna och genererar en datauppsättning med endast de rader som du vill använda.
Exempel
Exempel på hur den här modulen används finns i Azure AI Gallery:
Uppskattning av efterfrågan: Kombinerar resultatet av utvärdering av flera modeller till en enda datauppsättning och skickar det till ett Kör R-skript för anpassad bearbetning
Canceridentifiering: Datauppsättningar som innehåller användbara funktioner rensas och kombineras sedan med hjälp av Lägg till rader, Lägg till kolumner och Koppla data.
Förutsägelse av elevprestanda: Använder Lägg till rader för att kombinera resultatet av anpassade mått som beräknas med hjälp av Apply Math Operation (Tillämpa matematisk åtgärd).
Prognostiserade tidsserier: Använder R-skript för att generera anpassade mått och kombinerar dem sedan i en enda tabell med hjälp av Lägg till rader.
Förväntade indata
| Namn | Typ | Description |
|---|---|---|
| Datauppsättning1 | Datatabell | Datauppsättningsrader som ska läggas till i utdatauppsättningen först |
| Datauppsättning2 | Datatabell | Datauppsättningsrader som ska läggas till i den första datauppsättningen |
Utdata
| Namn | Typ | Description |
|---|---|---|
| Resultatdatauppsättning | Datatabell | Datauppsättning som innehåller alla rader med indatauppsättningar |
Undantag
| Undantag | Description |
|---|---|
| Fel 0003 | Ett undantag inträffar om en eller flera indatauppsättningar är null eller tomma. |
| Fel 0010 | Ett undantag inträffar om indatauppsättningar har kolumnnamn som ska matcha men inte. |
| Fel 0016 | Ett undantag inträffar om indatauppsättningar som skickas till modulen ska ha kompatibla kolumntyper men inte göra det. |
| Fel 0008 | Ett undantag inträffar om parametern inte är inom intervallet. |
En lista över fel som är specifika för Studio-moduler (klassisk) finns i Machine Learning felkoder.
En lista över API-undantag finns i Machine Learning REST API felkoder.