Az Azure Machine Learning Designer algoritmus- és összetevő-referenciája (v2)
A KÖVETKEZŐKRE VONATKOZIK: Python SDK azure-ai-ml v2 (aktuális)
Az Azure Machine Learning Designer összetevői (Designer) lehetővé teszik a felhasználók számára, hogy egy húzási felület használatával gépi tanulási projekteket hozzanak létre. Kövesse ezt a hivatkozást a Designer studió eléréséhez. A Tervezőről az alábbi hivatkozásra kattintva tudhat meg többet.
Ez a referenciatartalom az Azure Machine Learning Designerben elérhető egyéni összetevők (v2) hátterét biztosítja.
Az Egyéni összetevők az Azure Machine Learning Studióban az alábbi képen látható módon navigálhat.
Minden összetevő olyan kódkészletet jelöl, amely önállóan futtatható és gépi tanulási feladatot hajthat végre a szükséges bemenetek alapján. Az összetevők tartalmazhatnak egy adott algoritmust, vagy végrehajthatnak egy, a gépi tanulás szempontjából fontos feladatot, például hiányzó értékcserét vagy statisztikai elemzést.
Az algoritmusok kiválasztásával kapcsolatos segítségért lásd:
Tipp.
A tervező bármely folyamatában információt kaphat egy adott összetevőről. Válassza a További információ hivatkozást az összetevő kártyáján, amikor az összetevőre mutat az összetevő listában vagy az összetevő jobb oldali ablaktábláján.
AutoML-algoritmusok
Funkciók | Leírás | komponens |
---|---|---|
Osztályozás | Egy AutoML-feladatot elindító összetevő, amely betanított egy besorolási modellt egy Azure Machine Learning-folyamaton belül | AutoML-besorolás |
Regresszió | Egy AutoML-feladatot elindító összetevő, amely betanított egy regressziós modellt egy Azure Machine Learning-folyamaton belül. | AutoML regresszió |
Előrejelzés | Egy AutoML-feladatot elindító összetevő, amely betanított egy előrejelzési modellt egy Azure Machine Learning-folyamaton belül. | AutoML-előrejelzés |
Képbesorolás | AutoML-feladatot elindító összetevő képosztályozási modell betanítása egy Azure Machine Learning-folyamaton belül | Képbesorolás |
Többcímkés képbesorolás | Egy AutoML-feladatot elindító összetevő, amely betanított egy többcímkés rendszerkép-besorolási modellt egy Azure Machine Learning-folyamaton belül | Képbesorolás többcímkés |
Képobjektum-észlelés | Egy AutoML-feladatot elindító összetevő képobjektum-észlelési modell betanítása egy Azure Machine Learning-folyamaton belül | Képobjektum-észlelés |
Képpéldány szegmentálása | Egy AutoML-feladatot elindító összetevő képpéldány szegmentálási modelljének betanításához egy Azure Machine Learning-folyamaton belül | Képpéldány szegmentálása |
Többcímkés szövegbesorolás | Egy AutoML-feladatot elindító összetevő, amely betanított egy többcímkés NLP-szövegbesorolási modellt egy Azure Machine Learning-folyamaton belül. | AutoML többcímkés szövegbesorolás |
Szövegbesorolás | Egy AutoML-feladatot elindító összetevő, amely betanított egy NLP-szövegbesorolási modellt egy Azure Machine Learning-folyamaton belül. | AutoML szövegbesorolás |
Szöveg Ner | Egy AutoML-feladatot elindító összetevő, amely betanított egy NLP NE-modellt (Named Entity Recognition) egy Azure Machine Learning-folyamaton belül. | AutoML Text Ner |
Következő lépések
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: