Zusammenfassen von Daten

  • Artikel

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.

Die Dokumentation zu ML Studio (klassisch) wird nicht mehr fortgeführt und kann künftig nicht mehr aktualisiert werden.

Generiert einen Bericht über grundlegende beschreibende Statistiken für die Spalten in einem Dataset.

Kategorie: Statistische Funktionen

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 Summarize Data in Machine Learning Studio (klassisch) verwenden, um eine Reihe von statistischen Standardmaßen zu erstellen, die jede Spalte in der Eingabetabelle beschreiben.

Diese Zusammenfassungsstatistiken sind nützlich, wenn Sie die Merkmale des vollständigen Datasets verstehen möchten. Beispielsweise könnte es sein, dass Sie Folgendes wissen möchten:

  • Wie viele Werte fehlen in jeder Spalte?
  • Wie viele eindeutige Werte sind in einer Featurespalte vorhanden?
  • Was groß ist die mittlere und die Standardabweichung für jede Spalte?

Das Modul berechnet die wichtigen Maßzahlen für jede Spalte und gibt eine Zeile von aggregierenden Parametern für jede Variable (Datenspalte) zurück, die als Eingabe bereitgestellt wird.

Tipp

Möglicherweise wissen Sie bereits, dass Sie eine kurze Liste von Statistiken abrufen können, indem Sie die Option Visualisieren in Studio (klassisch) verwenden. Diese Visualisierung wird jedoch basierend auf einer bestimmten oberen Anzahl von Zeilen erstellt. Im Gegensatz dazu berechnet das Modul Summarize Data seine Statistiken für alle Datenzeilen.

Verwenden von "Daten zusammenfassen"

  1. Fügen Sie ihrem Experiment das Modul Summarize Data hinzu. Sie finden dieses Modul in der Kategorie Statistische Funktionen in Studio (klassisch).

  2. Stellen Sie eine Verbindung mit dem Dataset her, für das Sie einen Bericht generieren möchten.

    Möchten Sie den Bericht nur für einige Spalten erstellen, verwenden Sie das Modul Select Columns in Dataset (Auswählen von Spalten in Dataset), um die Teilmenge der Spalten zu projizieren, mit denen Sie arbeiten möchten.

  3. Es sind keine weiteren Parameter erforderlich. Standardmäßig analysiert das Modul alle Spalten, die als Eingabe bereitgestellt werden, und abhängig vom Typ der Werte in den Spalten gibt das Modul einen relevanten Satz von statistischen Werten zurück, die im Abschnitt Ergebnisse beschrieben sind.

  4. Führen Sie das Experiment aus, oder klicken Sie mit der rechten Maustaste auf das Modul, und wählen Sie Ausgewählte ausführen aus.

Ergebnisse

Der Bericht aus dem Modul kann die folgenden statistischen Werte enthalten.

  • Welche Statistiken genau generiert werden, hängt vom Datentyp der Spalte ab. Weitere Informationen finden Sie im Abschnitt Technische Hinweise .

  • Es wird davon ausgegangen, dass die Instanzen zu einer repräsentativen Stichprobe einer Auffüllung gehören. Wenn Sie Statistiken zu einer Auffüllung berechnen müssen, verwenden Sie die Optionen im Modul Compute Elementary Statistics( Elementare Statistik berechnen ), die entweder Stichproben- oder Auffüllungsstatistiken berechnen können.

Spaltenname BESCHREIBUNG
Feature Name der Spalte
Count Anzahl aller Zeilen
Unique Value Count Anzahl der eindeutigen Werte in der Spalte
Missing Value Count Anzahl der eindeutigen Werte in der Spalte
Min Kleinster Wert in der Spalte
Max Größter Wert in der Spalte
Mean Mittelwert aller Spaltenwerte
Mean Deviation Mittlere Abweichung von den Spaltenwerten
1st Quartile Wert beim ersten Quartil
Median Medianwert der Spalte
3rd Quartile Wert beim dritten Quartil
Mode Mode der Spaltenwerte
Bereich Ganze Zahl, die die Anzahl der Werte zwischen dem kleinsten und dem größten Wert darstellt
Sample Variance Varianz für die Spalte; siehe Hinweis
Sample Standard Deviation Standardabweichung für die Spalte; siehe Hinweis
Sample Skewness Schiefe für die Spalte; siehe Hinweis
Sample Kurtosis Wölbung für die Spalte; siehe Hinweis
P0.5 0,5-%-Perzentil
P1 1-%-Perzentil
P5 5-%-Perzentil
P95 95-%-Perzentil
P99.5 99,5-%-Perzentil

Tipp

Geben Sie den Statistikbericht als tabellarisches Dataset aus, damit Sie die Daten in BI-Berichterstellungstools verwenden oder die Werte als Eingabe für einen anderen Vorgang im Experiment verwenden können.

Beispiele

Beispiele für die Verwendung des Moduls Summarize Data in einem Experiment finden Sie im Azure KI-Katalog:

Technische Hinweise

  • Für numerische und boolesche Spalten können Sie den Mittelwert, den Median, den Modus und die Standardabweichung ausgeben.

  • Bei nicht numerischen Spalten werden nur die Werte für Count, Unique value count und Missing value count berechnet. Bei anderen statistischen Daten wird ein NULL-Wert zurückgegeben.

  • Spalten mit booleschen Werten werden anhand der folgenden Regeln verarbeitet:

    • Bei der Berechnung von Min wird ein logisches AND angewendet.

    • Beim Berechnen von Max wird ein logisches OR angewendet.

    • Bei der Berechnung von Range überprüft das Modul zuerst, ob die Anzahl der eindeutigen Werte in der Spalte dem Wert 2 entspricht.

    • Beim Berechnen statistischer Daten, die eine Gleitkommaberechnung erfordern, werden Werte mit TRUE als „1,0“ und Werte mit FALSE als „0,0“ behandelt.

Erwartete Eingaben

Name Type Beschreibung
Dataset Datentabelle Eingabedataset

Output

Name Type Beschreibung
Ergebnisdataset Datentabelle Ein Profil des Eingabedatasets, das aussagekräftige statistische Daten enthält.

Ausnahmen

Ausnahme Beschreibung
Fehler 0003 Eine Ausnahme tritt auf, wenn mindestens eine Eingabe NULL oder leer ist.
Fehler 0020 Die Ausnahme tritt auf, wenn die Anzahl der Spalten in einigen Datasets, die an das Modul übergeben wurden, zu klein ist.
Fehler 0021 Die Ausnahme tritt auf, wenn die Anzahl der Zeilen in einigen Datasets, die an das Modul übergeben wurden, zu klein ist.

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.

Siehe auch

Statistische Funktionen
Berechnen grundlegender Statistiken