Megosztás a következőn keresztül:

Azure Machine Learning-folyamatok végrehajtása az Azure Data Factoryben és a Synapse Analyticsben

  • Cikk

A következőkre vonatkozik: Azure Data Factory Azure Synapse Analytics

Tipp.

Próbálja ki a Data Factoryt a Microsoft Fabricben, amely egy teljes körű elemzési megoldás a nagyvállalatok számára. A Microsoft Fabric az adattovábbítástól az adatelemzésig, a valós idejű elemzésig, az üzleti intelligenciáig és a jelentéskészítésig mindent lefed. Ismerje meg, hogyan indíthat új próbaverziót ingyenesen!

Az Azure Machine Learning-folyamatokat futtathatja az Azure Data Factory- és a Synapse Analytics-folyamatok lépéseiként. A Machine Learning folyamat-végrehajtási tevékenység olyan kötegelt előrejelzési forgatókönyveket tesz lehetővé, mint a hitel-visszafizetés lehetséges elmulasztása, a hangulat meghatározása és az ügyfelek viselkedési mintáinak elemzése.

Az alábbi videóban a funkció bemutatását és ismertetését tekintheti meg hat percben.

Machine Learning-végrehajtási folyamattevékenység létrehozása felhasználói felülettel

Ha a Machine Learning végrehajtási folyamattevékenységet szeretné használni egy folyamatban, hajtsa végre a következő lépéseket:

  1. Keressen a Machine Learningre a folyamattevékenységek panelen, és húzzon egy Machine Learning-végrehajtási folyamattevékenységet a folyamatvászonra.

  2. Ha még nincs kijelölve, válassza ki az új Machine Learning Végrehajtási folyamat tevékenységet a vásznon, és a Beállítások fület a részletek szerkesztéséhez.

    Megjeleníti a Machine Learning Execute Pipeline-tevékenység felhasználói felületét.

  3. Válasszon ki egy meglévőt, vagy hozzon létre egy új Azure Machine Learning-társított szolgáltatást, és adja meg a folyamat és a kísérlet részleteit, valamint a folyamathoz szükséges folyamatparamétereket vagy adatelérési utak hozzárendeléseit.

Syntax

{
    "name": "Machine Learning Execute Pipeline",
    "type": "AzureMLExecutePipeline",
    "linkedServiceName": {
        "referenceName": "AzureMLService",
        "type": "LinkedServiceReference"
    },
    "typeProperties": {
        "mlPipelineId": "machine learning pipeline ID",
        "experimentName": "experimentName",
        "mlPipelineParameters": {
            "mlParameterName": "mlParameterValue"
        }
    }
}

Típustulajdonságok

Tulajdonság Leírás Megengedett értékek Szükséges
név A folyamat tevékenységének neve Sztring Igen
típus A tevékenység típusa az "AzureMLExecutePipeline" Sztring Igen
linkedServiceName Társított szolgáltatás az Azure Machine Learninghez Társított szolgáltatás referenciája Igen
mlPipelineId A közzétett Azure Machine Learning-folyamat azonosítója Sztring (vagy kifejezés a sztring eredménytípusával) Igen
experimentName A Machine Learning-folyamat futtatásának előzménykísérletének neve Sztring (vagy kifejezés a sztring eredménytípusával) Nem
mlPipelineParameters Kulcs- és értékpárok, amelyet át kell adni a közzétett Azure Machine Learning-folyamat végpontjának. A kulcsoknak meg kell egyeznie a közzétett Machine Learning-folyamatban definiált folyamatparaméterek nevével Objektum kulcsértékpárokkal (vagy kifejezés resultType objektummal) Nem
mlParentRunId A szülő Azure Machine Learning-folyamat futtatási azonosítója Sztring (vagy kifejezés a sztring eredménytípusával) Nem
dataPathAssignments Az Azure Machine Learning adatútvonalainak módosításához használt szótár. Lehetővé teszi a datapaths közötti váltást Objektum kulcsértékpárokkal Nem
continueOnStepFailure További lépések végrehajtása a Machine Learning-folyamat futtatásakor, ha egy lépés meghiúsul Logikai Nem

Feljegyzés

A Machine Learning-folyamat nevének és azonosítójának legördülő elemeinek feltöltéséhez a felhasználónak engedéllyel kell rendelkeznie az ML-folyamatok listázásához. A felhasználói felület közvetlenül a bejelentkezett felhasználó hitelesítő adataival hívja meg az AzureMLService API-kat.

Kapcsolódó tartalom

Tekintse meg az alábbi cikkeket, amelyekből megtudhatja, hogyan alakíthat át adatokat más módokon: