Sdílet prostřednictvím

Machine Learning Studio (classic): algoritmus a modul help

  • Článek

Důležité

Podpora studia Machine Learning (Classic) skončí 31. srpna 2024. Doporučujeme do tohoto data přejít na službu Azure Machine Learning.

Od 1. prosince 2021 nebude možné vytvářet nové prostředky studia Machine Learning (Classic). Do 31. srpna 2024 můžete pokračovat v používání stávajících prostředků studia Machine Learning (Classic).

Dokumentace ke studiu ML (Classic) se vyřazuje z provozu a v budoucnu se nemusí aktualizovat.

Tip

Zákazníkům, kteří v současné době používají nebo zkoušejí Machine Learning Studio (classic), doporučujeme vyzkoušet návrháře služby Azure Machine Learning, který nabízí moduly ML podporující přetahování a navíc škálovatelnost, správu verzí a podnikové zabezpečení.

Machine Learning Studio (classic) je cloudová služba pro prediktivní analýzu, která umožňuje rychle vytvářet a nasazovat prediktivní modely jako analytická řešení. Nástroje Machine Learning jsou většinou cloudové služby, což eliminuje obavy při instalaci a instalaci, protože můžete pracovat přes webový prohlížeč na jakémkoli počítači připojeném k Internetu. Další podrobnosti najdete v článku co je Studio (Classic)? .

tato dokumentace obsahuje podrobné technické a podrobné informace o modulech, které jsou k dispozici v Machine Learning studiu (classic).

Co je modul?

každý modul v Machine Learning studiu (classic) představuje sadu kódu, který může běžet nezávisle a provede úlohu strojového učení s ohledem na požadované vstupy. Modul může obsahovat konkrétní algoritmus nebo provést úkol, který je důležitý ve strojovém učení, jako je například chybějící hodnota, nebo statistická analýza.

V nástroji Studio (Classic) jsou moduly uspořádány podle funkcí:

  • Vstupní a výstupní moduly dat přesouvají data z cloudových zdrojů do experimentu. můžete napsat výsledky nebo mezilehlá data pro Azure Storage, databázi SQL nebo podregistr, během spouštění experimentů nebo použít cloudové úložiště k výměně dat mezi experimenty.

  • Moduly pro transformaci dat podporují operace s daty, která jsou jedinečná pro strojové učení, jako je například normalizace nebo binningu dat, výběr funkcí a snížení rozměru.

  • Algoritmy strojového učení, jako je clustering, podpora clusteringu, nebo neuronové sítě, jsou k dispozici v jednotlivých modulech, které umožňují přizpůsobit úlohu strojového učení odpovídajícím parametrům. Pro úlohy klasifikace si můžete vybrat z binárního algoritmu nebo s více třídami.

    Po dokončení konfigurace modelu použijte školicí modul ke spouštění dat pomocí algoritmu a měření přesnosti školicího modelu pomocí jednoho ze zkušebních modulů. Pokud chcete získat předpovědi z modelu, který jste právě pronaučili, použijte jeden z modulů bodování.

  • detekce anomálií: Machine Learning Studio (classic) obsahuje pro tyto úlohy více algoritmů specializovaných od sebe.

  • Moduly Text Analytics podporují různé úlohy zpracování v přirozeném jazyce.

  • Pro dostupné podpora usnadňuje používání této škálovatelné platformy.

  • Moduly jazyka Python a R usnadňují spuštění vlastní funkce. Napíšete kód a vložíte ho do modulu, aby bylo možné integrovat Python a R se službou experimentu.

  • Knihovna OpenCV poskytuje moduly, které se použijí v konkrétních úlohách rozpoznávání imagí.

  • Analýza časových řad podporuje detekci anomálií v časové řadě.

  • Statistické moduly poskytují širokou škálu číselných metod, které se týkají vědeckého zpracování dat. Podívejte se do této skupiny, kde najdete metody korelace, souhrny dat a statistické a matematické operace.

V této části najdete technické informace o algoritmech strojového učení, podrobnostech implementace, pokud jsou k dispozici, a odkazy na ukázkové experimenty, které ukazují, jak se modul používá. Příklady v Azure AI Gallery můžete stáhnout do svého pracovního prostoru. Tyto příklady jsou pro veřejné použití.

Tip

pokud jste přihlášeni k Machine Learning studiu (classic) a vytvořili experiment, můžete získat informace o konkrétním modulu. Vyberte modul a potom v podokně rychlá ochrana vyberte odkaz Další .

Další technické odkazy

Sekce Description
Seznam datových typů V DataTable této části najdete referenční témata popisující rozhraní služby učí a formát používaný pro datové sady.
Seznam výjimek V této části jsou uvedeny chyby, které mohou moduly generovat, a příčiny a možná alternativní řešení.

seznam chybových kódů souvisejících s rozhraním API webové služby najdete v tématu Machine Learning REST API chybové kódy.

Viz také

dokumentace k Machine Learning studiu (classic)