Exporter une table de comptage
Important
Le support de Machine Learning Studio (classique) prend fin le 31 août 2024. Nous vous recommandons de passer à Azure Machine Learning avant cette date.
À partir du 1er décembre 2021, vous ne pourrez plus créer de nouvelles ressources Machine Learning Studio (classique). Jusqu’au 31 août 2024, vous pouvez continuer à utiliser les ressources Machine Learning Studio (classique) existantes.
- Consultez les informations sur le déplacement des projets de machine learning de ML Studio (classique) à Azure Machine Learning.
- En savoir plus sur Azure Machine Learning.
La documentation ML Studio (classique) est en cours de retrait et ne sera probablement plus mise à jour.
Exporte la table de nombres à partir d’une transformation enregistrée pour une utilisation avec les nouvelles données
catégorie : Learning avec des nombres
Notes
s’applique à: Machine Learning Studio (classic) uniquement
Des modules par glisser-déposer similaires sont disponibles dans Concepteur Azure Machine Learning.
Vue d’ensemble du module
cet article explique comment utiliser le module Export Count Table dans Machine Learning Studio (classic). Le module Export Count table est fourni à des fins de compatibilité descendante avec les expériences qui utilisent la table de nombre de builds déconseillées et les modules caractériseur comptage Count dépréciés.
Lorsque vous utilisez le nouveau module de transformation de comptage de build pour créer des fonctionnalités basées sur le nombre, le module génère un jeu de données implémenter et une transformation qui crée des fonctionnalités à partir des nombres. À l’aide du module Exporter le nombre de tables , vous pouvez séparer les fonctionnalités basées sur le nombre de la sortie de ce module plus récent en comptant les métadonnées et une table de nombres. Ces formats de sortie ont été utilisés par des modules plus anciens, désormais dépréciés :
pour obtenir des informations générales sur les tables de nombres et la façon dont elles sont utilisées pour créer des fonctionnalités, consultez Learning avec des nombres.
Pour toutes les nouvelles expériences, nous vous recommandons d’utiliser les modules suivants :
Procédure de configuration de la table de nombre d’exportations
dans Machine Learning Studio (classique), ouvrez l’expérience dans laquelle vous souhaitez utiliser la table de nombres importée.
Localisez la transformation de nombre enregistrée et ajoutez-la à l’expérience.
Connecter la sortie de la transformation de comptage enregistrée (nommée transformation) pour exporter la Table de nombres.
Ajoutez le module Count Caractériseur comptage (Deprecated) à l’expérience et connectez-le aux deux sorties de la table de nombres d’exportations.
Le module Count Caractériseur comptage (Deprecated) requiert une entrée supplémentaire pour le jeu de données pour lequel vous souhaitez effectuer une pagination. Connecter le jeu de données pour appliquer la transformation enregistrée aux sorties.
Définissez les paramètres nécessaires pour Count Caractériseur comptage (Deprecated), y compris la colonne label, les colonnes Count, les colonnes à créer à la fois et les fonctionnalités à générer.
Vous devez sélectionner un sous-ensemble des colonnes qui ont été initialement sélectionnées pour la transformation de comptage. Toutefois, le module Export Count table ne fournit pas la liste de ces colonnes. vous devez donc passer en revue l’expérience d’origine et prendre note des colonnes qui ont été utilisées. Si vous sélectionnez une colonne qui n’a pas été utilisée lors de la création de la transformation, une erreur est générée.
Exemples
Explorez des exemples de caractérisation basés sur le nombre à l’aide de ces exemples d’expériences dans le Azure ai Gallery:
Prédiction de retard de vol: montre comment les caractérisation basés sur le nombre peuvent être utiles dans un jeu de données très volumineux.
Learning avec des nombres : classification multiclasse avec des données de taxi à newyork : illustre l’utilisation des fonctionnalités basées sur les nombres dans une tâche de prédiction multiclasse.
Learning avec des nombres : classification binaire avec des données de taxi à newyork : utilise les fonctionnalités basées sur le nombre dans une tâche de classification binaire.
Notes
si vous ouvrez une expérience de la galerie créée à l’aide des versions déconseillées de l' Learning avec les modules counts , l’expérience est automatiquement mise à niveau pour utiliser les modules les plus récents.
Entrées attendues
| Nom | Type | Description |
|---|---|---|
| Comptage de la transformation | Interface ITransform | Transformation de comptage. |
Sorties
| Nom | Type | Description |
|---|---|---|
| Métadonnées des nombres Dracula | Table de données | Métadonnées des nombres. |
| Table de nombres Dracula | Table de données | Table de nombres. |
Exceptions
| Exception | Description |
|---|---|
| Erreur 0003 | Cette exception se produit si une ou plusieurs entrées sont null ou vide. |
| Erreur 0086 | Une exception se produit lorsqu’une transformation de comptage n’est pas valide. |
pour obtenir la liste des erreurs spécifiques aux modules Studio (classiques), consultez Machine Learning codes d’erreur.
pour obtenir la liste des exceptions d’api, consultez Machine Learning les Codes d’erreur de l' api REST.