Spouštění kanálů Azure Machine Learning ve službě Azure Data Factory a Synapse Analytics
PLATÍ PRO: Azure Data Factory Azure Synapse Analytics
Tip
Vyzkoušejte si službu Data Factory v Microsoft Fabric, řešení pro analýzy typu all-in-one pro podniky. Microsoft Fabric zahrnuje všechno od přesunu dat až po datové vědy, analýzy v reálném čase, business intelligence a vytváření sestav. Přečtěte si, jak začít používat novou zkušební verzi zdarma.
Kanály Azure Machine Learning můžete spouštět jako krok v kanálech Azure Data Factory a Synapse Analytics. Aktivita Execute Pipeline služby Machine Learning umožňuje realizovat scénáře dávkových předpovědí, jako je identifikace půjček, u nichž hrozí insolvence dlužníka, zjišťování mínění nebo analýza vzorců chování zákazníků.
Následující video obsahuje šestiminutový úvod a ukázku této funkce.
Vytvoření aktivity kanálu spuštění machine learningu pomocí uživatelského rozhraní
Pokud chcete v kanálu použít aktivitu kanálu spuštění machine learningu, proveďte následující kroky:
Vyhledejte Machine Learning v podokně Aktivity kanálu a přetáhněte aktivitu kanálu spuštění služby Machine Learning na plátno kanálu.
Pokud ještě není vybraná, vyberte novou aktivitu kanálu spuštění služby Machine Learning na plátně a na kartě Nastavení upravte podrobnosti.
Vyberte existující nebo vytvořte novou propojenou službu Azure Machine Learning a zadejte podrobnosti o kanálu a experimentu a všechny parametry kanálu nebo přiřazení cesty k datům vyžadované pro kanál.
Syntaxe
{
"name": "Machine Learning Execute Pipeline",
"type": "AzureMLExecutePipeline",
"linkedServiceName": {
"referenceName": "AzureMLService",
"type": "LinkedServiceReference"
},
"typeProperties": {
"mlPipelineId": "machine learning pipeline ID",
"experimentName": "experimentName",
"mlPipelineParameters": {
"mlParameterName": "mlParameterValue"
}
}
}
Vlastnosti typu
Vlastnost | Popis | Povolené hodnoty | Požaduje se |
---|---|---|---|
name | Název aktivity v kanálu | String | Ano |
type | Typ aktivity je AzureMLExecutePipeline. | String | Ano |
linkedServiceName | Propojená služba se službou Azure Machine Learning | Odkaz na propojenou službu | Ano |
mlPipelineId | ID publikovaného kanálu služby Azure Machine Learning | Řetězec (nebo výraz s typem výsledku řetězce) | Ano |
experimentName | Název experimentu historie spuštění kanálu Machine Learning | Řetězec (nebo výraz s typem výsledku řetězce) | No |
mlPipelineParameters | Klíč, páry hodnot, které se mají předávat do publikovaného koncového bodu kanálu služby Azure Machine Learning Klíče musí odpovídat názvům parametrů kanálu definovaných v publikovaném kanálu Machine Learning. | Objekt s páry klíč-hodnota (nebo výraz s objektem resultType) | No |
mlParentRunId | ID spuštění nadřazeného kanálu Azure Machine Learning | Řetězec (nebo výraz s typem výsledku řetězce) | No |
dataPathAssignments | Slovník používaný ke změně cest k datům ve službě Azure Machine Learning. Povolí přepínání cest k datům. | Objekt s páry klíč-hodnota | No |
continueOnStepFailure | Jestli chcete pokračovat ve spouštění dalších kroků v kanálu Machine Learning, pokud se krok nezdaří | boolean | No |
Poznámka:
Pokud chcete naplnit položky rozevíracího seznamu v názvu a ID kanálu služby Machine Learning, musí mít uživatel oprávnění k výpisu kanálů ML. Uživatelské rozhraní volá rozhraní API služby AzureMLService přímo pomocí přihlašovacích údajů přihlášeného uživatele.
Související obsah
Podívejte se na následující články, které vysvětlují, jak transformovat data jinými způsoby:
Váš názor
https://aka.ms/ContentUserFeedback.
Připravujeme: V průběhu roku 2024 budeme postupně vyřazovat problémy z GitHub coby mechanismus zpětné vazby pro obsah a nahrazovat ho novým systémem zpětné vazby. Další informace naleznete v tématu:Odeslat a zobrazit názory pro