Compartir a través de


tipos de datos de módulo de ML Studio (clásico)

Importante

El soporte técnico de Machine Learning Studio (clásico) finalizará el 31 de agosto de 2024. Se recomienda realizar la transición a Azure Machine Learning antes de esa fecha.

A partir del 1 de diciembre de 2021 no se podrán crear recursos de Machine Learning Studio (clásico). Hasta el 31 de agosto de 2024, puede seguir usando los recursos de Machine Learning Studio (clásico) existentes.

La documentación de ML Studio (clásico) se está retirando y es posible que no se actualice en el futuro.

En este artículo se describen los tipos de datos de .NET que se admiten en Machine Learning Studio (clásico) para datos externos. También se describen las clases de tipo de datos personalizadas que se usan para pasar datos entre módulos dentro de un experimento.

Tabla de tipos de datos de .NET

Los siguientes tipos de .NET son compatibles con Machine Learning Studio (clásico).

Tipo de datos de .NET Comentarios
Boolean https://msdn.microsoft.com/library/wts33hb3.aspx
Int16 https://msdn.microsoft.com/library/system.int16(v=vs.110).aspx
Int32 https://msdn.microsoft.com/library/06bkb8w2.aspx
Int64 https://msdn.microsoft.com/library/system.int64.aspx
Single https://msdn.microsoft.com/library/system.single(v=vs.110).aspx
Double https://msdn.microsoft.com/library/system.double(v=vs.110).aspx
String https://msdn.microsoft.com/library/system.string(v=vs.110).aspx
datetime https://msdn.microsoft.com/library/system.datetime(v=vs.110).aspx
DateTimeOffset https://msdn.microsoft.com/library/system.datetimeoffset(v=vs.110).aspx
TimeSpan https://msdn.microsoft.com/library/system.timespan(v=vs.110).aspx
Byte https://msdn.microsoft.com/library/system.byte(v=vs.110).aspx
Byte[] https://msdn.microsoft.com/library/system.byte.aspx
Guid Los GUID se convierten en cadenas en la entrada

Tabla de tipos de datos personalizados

Además, Machine Learning Studio (clásico) admite las siguientes clases de datos personalizadas.

Tipo de datos Descripción
Tabla de datos La interfaz DataTable define la estructura de todos los conjuntos de datos usados en Machine Learning.
Interfaz ICluster La interfaz ICluster define la estructura de los modelos de agrupación en clústeres.
Interfaz IFilter La interfaz IFilter define la estructura de los filtros de procesamiento de señales digitales aplicados a una serie completa de valores numéricos. Los filtros se pueden crear y, a continuación, guardar y aplicar a una nueva serie.
Interfaz ILearner La interfaz ILearner proporciona una estructura genérica para definir y guardar modelos analíticos, sin incluir algunos tipos especiales, como los modelos de agrupación en clústeres.
Interfaz ITransform La interfaz ITransform proporciona una estructura genérica para definir y guardar transformaciones. Puede crear un iTransform mediante Machine Learning Studio (clásico) y, a continuación, aplicar la transformación a nuevos conjuntos de datos.

Consulte también

Machine Learning Studio (clásico)