Adatok manuális megadása összetevő

Ez a cikk az Azure Machine Learning designer egy összetevőjét ismerteti.

Az Adatok manuális megadása összetevővel hozzon létre egy kis adatkészletet az értékek beírásával. Az adathalmaznak több oszlopa is lehet.

Ez az összetevő a következő esetekben lehet hasznos:

• Egy kis értékkészlet létrehozása teszteléshez.
• Címkék rövid listájának létrehozása.
• Az adathalmazba beszúrandó oszlopnevek listájának beírása.

Adathalmaz létrehozása

1. Adja hozzá az Adatok manuális megadása összetevőt a folyamathoz. Ezt az összetevőt az Adatbemenet és kimenet kategóriában találja az Azure Machine Learningben.

2. A DataFormat esetében válassza az alábbi lehetőségek egyikét. Ezek a beállítások határozzák meg, hogyan kell elemezni a megadott adatokat. Az egyes formátumok követelményei nagyban eltérnek, ezért mindenképpen olvassa el a kapcsolódó témaköröket.

   • ARFF: A Weka által használt attribútum-relációs fájlformátum.
   • CSV: Vesszővel tagolt értékek formátuma. További információ: Konvertálás CSV-vé.
   • SVMLight: A Vowpal Wabbit és más gépi tanulási keretrendszerek által használt formátum.
   • TSV: Tabulátorral elválasztott értékek formátuma.

   Ha egy formátumot választ, és nem ad meg olyan adatokat, amelyek megfelelnek a formátum specifikációinak, futásidejű hiba történik.

3. Kattintson az Adatok szövegmezőbe az adatok megadásának megkezdéséhez. A következő formátumok különös figyelmet igényelnek:

   • CSV: Több oszlop létrehozásához vesszővel tagolt szövegbe illessze be, vagy írjon be több oszlopot vesszővel a mezők között.

     Ha a HasHeader lehetőséget választja, az első értéksort használhatja oszlopfejlécként.

     Ha törli ezt a jelölőnégyzetet, a rendszer az oszlopneveket (Col1, Col2 stb.) használja. Az oszlopneveket később a Metaadatok szerkesztése paranccsal adhat hozzá vagy módosíthatja.

   • TSV: Több oszlop létrehozásához illessze be a tabulátorral elválasztott szöveget, vagy írjon be több oszlopot a mezők közötti fülek használatával.

     Ha a HasHeader lehetőséget választja, az első értéksort használhatja oszlopfejlécként.

     Ha törli ezt a jelölőnégyzetet, a rendszer az oszlopneveket (Col1, Col2 stb.) használja. Az oszlopneveket később a Metaadatok szerkesztése paranccsal adhat hozzá vagy módosíthatja.

   • ARFF: Beillesztés meglévő ARFF formátumú fájlba. Ha közvetlenül ír be értékeket, mindenképpen adja hozzá az opcionális fejlécet és a szükséges attribútummezőket az adatok elején.

     Az alábbi fejléc- és attribútumsorok például hozzáadhatók egy egyszerű listához. Az oszlopfejléc a következő lenne SampleText: . Vegye figyelembe, hogy a Sztring típusa nem támogatott.

     % Title: SampleText.ARFF  
     % Source: Enter Data component  
     @ATTRIBUTE SampleText NUMERIC  
     @DATA  
     \<type first data row here>  
     

   • SVMLight: Írjon be vagy illessze be az értékeket az SVMLight formátum használatával.

     Az alábbi minta például a Véradás adathalmaz első néhány sorát jelöli SVMLight formátumban:

     # features are [Recency], [Frequency], [Monetary], [Time]  
     1 1:2 2:50 3:12500 4:98   
     1 1:0 2:13 3:3250 4:28   
     

     Az Adatok manuális megadása összetevő futtatásakor a rendszer az alábbi módon konvertálja ezeket a sorokat oszlopokból és indexértékekből álló adatkészletté:

     Col1	Col2	3. oszlop	4. oszlop	Címkék
     0.00016	0.004	0.999961	0.00784	1
     0	0.004	0.999955	0.008615	1

4. Új sor indításához válassza az Enter billentyűt az egyes sorok után.

   Ha az Enter billentyűt többször választja több üres záró sor hozzáadásához, az üres sorok el lesznek távolítva vagy levágva lesznek.

   Ha hiányzó értékeket tartalmazó sorokat hoz létre, később mindig szűrheti őket.

5. Csatlakoztassa a kimeneti portot más összetevőkhöz, és futtassa a folyamatot.

   Az adathalmaz megtekintéséhez kattintson a jobb gombbal az összetevőre, és válassza a Vizualizáció lehetőséget.

Következő lépések

Tekintse meg az Azure Machine Learning számára elérhető összetevőket .