共用方式為


使用分割資料列分割資料

重要

Machine Learning 工作室 (傳統) 的支援將於 2024 年 8 月 31 日結束。 建議您在該日期之前轉換成 Azure Machine Learning

自 2021 年 12 月 1 日起,您將無法建立新的 Machine Learning 工作室 (傳統) 資源。 在 2024 年 8 月 31 日之前,您可以繼續使用現有的 Machine Learning 工作室 (傳統) 資源。

ML 工作室 (傳統) 文件即將淘汰,未來將不再更新。

本文描述如何在機器學習 Studio (傳統) 的分割資料模組中使用分割資料列選項。 當您需要分割用於定型和測試的資料集時(不論是隨機或依某些準則),此選項特別有用。

注意

適用于僅限機器學習 Studio (傳統)

Azure Machine Learning 設計工具中提供類似的拖放模組。

分割資料列選項支援隨機和分層分割。 例如,您可以指定70-30 分割,或使用您的目標變數平均表示在這兩個資料集中的10-90 分割。

如需機器學習服務實驗之資料分割的一般資訊,請參閱 分割資料 和分割區 和分割

分割資料模組中的其他選項支援不同的資料分割方式:

將資料集分成兩個群組

  1. 將 [ 分割資料 ] 模組新增至您在 Studio (傳統) 中的實驗,然後連接您要分割的資料集。

  2. 針對 [分割 模式],選擇 [ 分割資料列]。

  3. 第一個輸出資料集中的資料列分數。 您可以使用此選項來決定要進入第一個 (左邊) 輸出的資料列數目。 所有其他資料列將會移至第二個 (右手) 輸出。

    比率代表傳送至第一個輸出資料集的資料列百分比,因此您必須輸入介於0和1之間的十進位數。

    例如,如果輸入的值為 0.75,則會以 75:25 的比率來分割資料集,亦即 75% 的資料列會傳送至第一個輸出資料集,而 25% 會傳送至第二個輸出資料集。

  4. 如果您想要將所選的資料隨機分成兩個群組,請選取 [隨機分割] 選項。 這是建立定型和測試資料集時的慣用選項。

  5. 隨機種子:輸入非負整數值,以初始化要使用的實例的非虛擬亂數序列。 所有會產生隨機數字的模組中都使用此預設種子。

    指定種子會讓結果通常可重現。 如果您需要重複分割作業的結果,您應該指定亂數產生器的種子。 否則隨機種子會預設為 0,表示從系統時鐘取得初始種子值。 如此一來,每次執行分割時,資料分佈可能稍有不同。

  6. 分層分割:將此選項設定為 True,以確保兩個輸出資料集在分層資料行分層索引鍵資料行中包含值的代表性樣本。

    使用分層取樣時,資料會分割,讓每個輸出資料集取得每個目標值大致相同的百分比比例。 例如,您可能會想要確保定型和測試集大致上與結果相關,或與其他資料行(例如性別)相關。

  7. 執行實驗,或以滑鼠右鍵按一下模組,然後選取 [ 執行選取]。

範例

下列範例示範如何使用 分割資料列 模式執行簡單的分割。

分割成兩個相等的部分

分割資料 模組加入資料集之後,無需其他變更。 根據預設,此模組會將資料集分割成兩等分。 對於含有奇數個資料列的資料,第二個輸出會取得其餘部分。

分割成三分之二

假設您想要將資料集分割成兩個部分,其中第三個數據用於定型,另一個用於測試或其他分割。

若要這樣做,請加入 分割資料 模組,然後將 第一個輸出中 的資料列比例設為0.33。 第二個輸出包含其餘的三分之二。

若要將第二個輸出分割成相等的部分,請新增另一個 分割資料 模組實例,這次使用50-50 分割的預設值。

技術說明

本節包含實作詳細資料、提示和常見問題集的解答。

實作詳細資料

  • 此模組需要資料集至少包含兩個數據列;否則,就會引發錯誤。

  • 如果您使用此選項來指定需要的資料列數,指定的數字必須是正整數,而且數字必須小於資料集的資料列總數。

  • 所有百分比值都必須在0到1的範圍內。

  • 如果您指定的數位或百分比是小於1的浮點數,而且不使用百分比符號 (% ) ,則會將數位解釋為比例值。

分層取樣的其他需求

  • 分層資料行只能包含名義或類別資料。 如果資料行包含連續數值資料,則會引發錯誤訊息。

  • 具有太多唯一值的資料行不是階層式理想候選。 您可以事先嘗試折迭某些類別或群組值。

另請參閱

範例和分割資料分割和範例