Hinzufügen von Zeilen
Wichtig
Der Support für Machine Learning Studio (klassisch) endet am 31. August 2024. Es wird empfohlen, bis zu diesem Datum auf Azure Machine Learning umzustellen.
Ab dem 1. Dezember 2021 können Sie keine neuen Ressourcen in Machine Learning Studio (klassisch) mehr erstellen. Bis zum 31. August 2024 können Sie die vorhandenen Ressourcen in Machine Learning Studio (klassisch) weiterhin verwenden.
- Siehe Migrieren zu Azure Machine Learning
- Weitere Informationen zu Azure Machine Learning.
Die Dokumentation zu ML Studio (klassisch) wird nicht mehr fortgeführt und kann künftig nicht mehr aktualisiert werden.
Fügt eine Gruppe von Zeilen aus einem Eingabedataset am Ende eines anderen Datasets an
Kategorie: Datentransformation/-bearbeitung
Hinweis
Gilt nur für: Machine Learning Studio (klassisch)
Ähnliche Drag & Drop-Module sind im Azure Machine Learning-Designer verfügbar.
Modulübersicht
In diesem Artikel wird beschrieben, wie Sie das Modul Zeilen hinzufügen in Machine Learning Studio (klassisch) verwenden, um zwei Datasets zu verketten. Bei der Verkettung werden die Zeilen des zweiten Datasets am Ende des ersten Datasets hinzugefügt.
Die Verkettung von Zeilen ist in folgenden Szenarien nützlich:
Sie haben eine Reihe von Auswertungsstatistiken erstellt und möchten diese zur besseren Berichterstellung in einer Tabelle zusammenfassen.
Sie haben mit verschiedenen Datasets gearbeitet und möchten die Datasets zu einem endgültigen Dataset zusammenfassen.
Verwenden von „Add Rows“
Um Zeilen aus zwei Datasets zu verketten, müssen die Zeilen exakt das gleiche Schema haben. Das heißt, dass die Anzahl der Spalten und der Datentyp in den Spalten identisch sein müssen.
Ziehen Sie das Modul Add Rows (Zeilen hinzufügen ) in Das Experiment finden Sie unter Datentransformation in der Kategorie Bearbeiten .
Verbinden Sie die Datasets mit den beiden Eingabeports. Das Dataset, das Sie anfügen möchten, muss mit dem zweiten (rechten) Port verbunden werden.
Führen Sie das Experiment aus. Die Anzahl der Zeilen im Ausgabedataset muss der Summe der Zeilen beider Eingabedatasets entsprechen.
Wenn Sie das gleiche Dataset beiden Eingaben des Moduls Add Rows hinzufügen, wird das Dataset dupliziert.
Technische Hinweise
In diesem Abschnitt werden Implementierungsdetails und häufig gestellte Fragen beschrieben.
Wenn Sie Zeilen hinzufügen, können Sie das Quelldataset nicht filtern. Alle Zeilen aus beiden Datasets, die als Eingaben bereitgestellt werden, werden bei Verwendung von Add Rows verkettet.
Wenn Sie nur wenige Zeilen hinzufügen möchten, verwenden Sie Partition und Sample , um eine Bedingung zu definieren, nach der die Zeilen gefiltert und ein Dataset nur mit den gewünschten Zeilen generiert werden soll.
Beispiele
Beispiele für die Verwendung dieses Moduls finden Sie im Azure KI-Katalog:
Bedarfsschätzung: Kombiniert das Ergebnis der Auswertung mehrerer Modelle in einem einzelnen Dataset und übergibt es zur benutzerdefinierten Verarbeitung an ein Execute R Script.
Erkennung von Milcharten: Datasets, die nützliche Features enthalten, werden bereinigt und dann mithilfe von Zeilen hinzufügen, Spalten hinzufügen und Daten verbinden kombiniert.
Vorhersage der Leistung von Kursteilnehmern: Verwendet Add Rows , um die Ergebnisse benutzerdefinierter Metriken zu kombinieren, die mithilfe von Apply Math Operation berechnet werden.
Zeitreihenvorhersage: Verwendet R-Skripts, um benutzerdefinierte Metriken zu generieren und diese dann mithilfe von Zeilen hinzufügen in einer einzelnen Tabelle zu kombinieren.
Erwartete Eingaben
| Name | Type | Beschreibung |
|---|---|---|
| Dataset1 | Datentabelle | Datasetzeilen, die zuerst dem Ausgabedataset hinzugefügt werden sollen |
| Dataset2 | Datentabelle | Datasetzeilen, die an das erste Dataset angefügt werden sollen |
Ausgaben
| Name | Type | Beschreibung |
|---|---|---|
| Ergebnisdataset | Datentabelle | Dataset, das alle Zeilen der Eingabedatasets enthält |
Ausnahmen
| Ausnahme | Beschreibung |
|---|---|
| Fehler 0003 | Eine Ausnahme tritt auf, wenn mindestens ein Eingabedataset NULL oder leer ist. |
| Fehler 0010 | Eine Ausnahme tritt auf, wenn Eingabedatasets Spaltennamen enthalten, die übereinstimmen sollten, dies aber nicht der Fall ist. |
| Fehler 0016 | Eine Ausnahme tritt auf, wenn an das Modul übergebene Eingabedatasets kompatible Spaltentypen haben sollten, dies aber nicht der Fall ist. |
| Fehler 0008 | Eine Ausnahme tritt auf, wenn der Parameter nicht im Bereich liegt. |
Eine Liste der Fehler, die für Studio-Module (klassisch) spezifisch sind, finden Sie unter Machine Learning Fehlercodes.
Eine Liste der API-Ausnahmen finden Sie unter Machine Learning REST-API-Fehlercodes.