تسجيل نموذج Vowpal Wabbit

  • مقالة

توضح هذه المقالة كيفية استخدام مكون Score Vowpal Wabbit Model في Azure Machine Learning designer لإنشاء درجات لمجموعة من بيانات الإدخال، باستخدام نموذج Vowpal Wabbit مدرب موجود.

يوفر هذا المكون أحدث إصدار من إطار عمل Vowpal Wabbit، الإصدار 8.8.1. استخدم هذا المكون لتسجيل البيانات باستخدام نموذج مدرب تم حفظه بتنسيق VW الإصدار 8.

كيفية تكوين نموذج Vowpal Wabbit

  1. أضف مكوِّن Score Vowpal Wabbit Model إلى تجربتك.

  2. أضف نموذج متدرب لـ Vowpal Wabbit وقم بتوصيله بمنفذ الإدخال الأيسر. يمكنك استخدام نموذج مدرب تم إنشاؤه في نفس التجربة، أو تحديد موقع نموذج محفوظ في فئة Datasets في جزء التنقل الأيمن للمصمم. ومع ذلك، يجب أن يكون النموذج متاحًا في Azure Machine Learning Designer.

    ملاحظة

    يتم دعم نماذج Vowpal Wabbit 8.8.1 فقط؛ ولا يمكنك توصيل النماذج المحفوظة التي تم تدريبها باستخدام خوارزميات أخرى.

  3. أضف مجموعة بيانات الاختبار وقم بتوصيلها بمنفذ الإدخال الأيمن. إذا كانت مجموعة بيانات الاختبار عبارة عن دليل يحتوي على ملف بيانات الاختبار، فحدد اسم ملف بيانات الاختبار باستخدام اسم ملف بيانات الاختبار. إذا كانت مجموعة بيانات الاختبار عبارة عن ملف واحد، فاترك اسم ملف بيانات الاختبار فارغًا.

  4. في مربع النص VW arguments، اكتب مجموعة من وسيطات سطر الأوامر الصالحة إلى Vowpal Wabbit القابل للتنفيذ.

    للحصول على معلومات حول وسيطات Vowpal Wabbit المدعومة وغير المدعومة في Azure Machine Learning، راجع قسم الملاحظات الفنية.

  5. اسم ملف بيانات الاختبار: اكتب اسم الملف الذي يحتوي على بيانات الإدخال. يتم استخدام هذه الوسيطة فقط عندما تكون مجموعة بيانات الاختبار عبارة عن دليل.

  6. Specify file type: حدد التنسيق الذي تستخدمه بيانات التدريب. يدعم Vowpal Wabbit تنسيقي ملفات الإدخال هذين:

    • يمثلVW التنسيق الداخلي المستخدم بواسطة Vowpal Wabbit. راجع صفحة Vowpal Wabbit على wiki للحصول على التفاصيل.
    • SVMLight هو تنسيق تستخدمه بعض أدوات التعلم الآلي الأخرى.

  7. حدد الخيار تضمين عمود إضافي يحتوي على تسميات، إذا كنت تريد إخراج التسميات مع الدرجات.

    عادةً، عند معالجة البيانات النصية، لا يتطلب Vowpal Wabbit تسميات، وسيعيد فقط الدرجات لكل صف من البيانات.

  8. حدد الخيار، تضمين عمود إضافي يحتوي على النتائج الأولية، إذا كنت تريد إخراج الدرجات الأولية مع النتائج.

  9. إرسال المسار.

النتائج

بعد انتهاء التدريب:

  • لتصور النتائج، انقر بزر الماوس الأيمن فوق إخراج المكون Score Vowpal Wabbit Model. يشير الإخراج إلى تسوية درجة التنبؤ من 0 إلى 1.

  • لتقييم النتائج، يجب احتواء مجموعة بيانات الإخراج على أسماء أعمدة نقاط محددة، والتي تفي بمتطلبات مكون Evaluate Model.

    • بالنسبة لمهمة التراجع يجب أن تحتوي مجموعة البيانات المراد تقييمها على عمود واحد، يسمى Regression Scored Labels، والذي يمثل التسميات المسجلة.
    • ولمهمة التصنيف الثنائي، يجب أن تحتوي مجموعة البيانات المراد تقييمها على عمودين، يسميان Binary Class Scored Labels،Binary Class Scored Probabilities يمثلان التسميات المسجلة، والاحتمالات على الترتيب.
    • ولمهمة التصنيف المتعدد، يجب أن تحتوي مجموعة البيانات المراد تقييمها على عمود واحد، يسمى Multi Class Scored Labels والذي يمثل التسميات المسجلة.

    لاحظ أنه لا يمكن تقييم نتائج مكون نموذج النتيجة Vowpal Wabbit مباشرة. قبل التقييم، يجب تعديل مجموعة البيانات وفقًا للمتطلبات أعلاه.

ملاحظات فنية

يحتوي هذا القسم على تفاصيل التنفيذ ونصائح وإجابات للأسئلة المتداولة.

المعلمات

يحتوي Vowpal Wabbit على العديد من خيارات سطر الأوامر لاختيار الخوارزميات وضبطها. لا يمكن هنا إجراء مناقشة كاملة لهذه الخيارات؛ نوصي بعرض صفحة Vowpal Wabbit على wiki.

المعلمات التالية غير مدعومة في Azure Machine Learning Studio (الكلاسيكي).

  • خيارات الإدخال/ الإخراج المحددة في https://github.com/JohnLangford/vowpal_wabbit/wiki/Command-line-arguments

    تم بالفعل تكوين هذه الخصائص تلقائياً بواسطة المكون.

  • بالإضافة إلى ذلك، فإن أي خيار يولد مخرجات متعددة أو يأخذ مدخلات متعددة غير مسموح به. يتضمن ذلك --cbt، و--lda، و--wap.

  • يتم دعم خوارزميات التعلم تحت الإشراف فقط. هذا لا يسمح بهذه الخيارات: –active، --rank، --search إلخ.

يسمح بكافة الوسيطات بخلاف تلك الموضحة أعلاه.

الخطوات التالية

راجع مجموعة المكونات المتوفرة للتعلم الآلي من Azure.