Partíció és mintaösszetevő

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

A Partíció és a Minta összetevővel mintavételezést végezhet egy adathalmazon, vagy partíciókat hozhat létre az adathalmazból.

A mintavételezés fontos eszköz a gépi tanulásban, mivel lehetővé teszi az adathalmazok méretének csökkentését, ugyanakkor az értékek azonos arányának fenntartását. Ez az összetevő számos olyan kapcsolódó feladatot támogat, amelyek fontosak a gépi tanulásban:

• Az adatok osztva több, azonos méretű alszakaszra.

  Használhatja a partíciókat keresztérvényesítésre, vagy eseteket rendelhet véletlenszerű csoportokhoz.

• Adatok csoportosítása csoportokra, majd adatokkal való munka egy adott csoportból.

  Miután véletlenszerűen hozzárendelte az eseteket különböző csoportokhoz, előfordulhat, hogy csak egy csoporthoz társított funkciókat kell módosítania.

• Mintavétel.

  Kinyerheti az adatok egy százalékát, véletlenszerű mintavételezést alkalmazhat, vagy kiválaszthat egy oszlopot az adathalmaz kiegyensúlyozásához, és rétegzett mintavételezést végezhet az értékein.

• Kisebb adatkészlet létrehozása teszteléshez.

  Ha sok adattal rendelkezik, előfordulhat, hogy csak az első n sort szeretné használni a folyamat beállításakor, majd váltson a teljes adatkészlet használatára a modell létrehozásakor. A mintavételezéssel kisebb adatkészletet is létrehozhat a fejlesztéshez.

Az összetevő konfigurálása

Ez az összetevő az alábbi módszereket támogatja az adatok partíciókra vagy mintavételezésre való felosztásához. Először válassza ki a metódust, majd adja meg a metódus által igényelt további beállításokat.

• Head
• Mintavételezés
• Hozzárendelés hajtásokhoz
• Hajtás kiválasztása

TOP N-sorok lekérése adatkészletből

Ezzel a móddal csak az első n sorokat szerezheti be. Ez a lehetőség akkor hasznos, ha egy folyamatot kis számú sorban szeretne tesztelni, és nincs szüksége az adatok kiegyensúlyozottságára vagy mintavételére semmilyen módon.

1. Adja hozzá a partíció és a minta összetevőt a folyamathoz a felületen, és csatlakoztassa az adathalmazt.

2. Partíció vagy minta mód: Állítsa ezt a beállítást a Head (Fej) értékre.

3. Kijelölendő sorok száma: Adja meg a visszaadni kívánt sorok számát.

   A sorok számának nem negatív egész számnak kell lennie. Ha a kijelölt sorok száma nagyobb, mint az adathalmaz sorainak száma, a rendszer a teljes adatkészletet adja vissza.

4. Küldje el a folyamatot.

Az összetevő egyetlen adatkészletet ad ki, amely csak a megadott számú sort tartalmazza. A sorok mindig az adathalmaz tetejéről lesznek beolvasva.

Adatminta létrehozása

Ez a beállítás egyszerű véletlenszerű mintavételezést vagy rétegzett véletlenszerű mintavételezést támogat. Ez akkor hasznos, ha kisebb reprezentatív mintaadatkészletet szeretne létrehozni teszteléshez.

1. Adja hozzá a partíció és a minta összetevőt a folyamathoz, és csatlakoztassa az adathalmazt.

2. Partíció vagy minta mód: Állítsa ezt a beállítást mintavételezésre.

3. Mintavételezési sebesség: Adjon meg egy 0 és 1 közötti értéket. Ez az érték a forrásadatkészlet azon sorainak százalékos arányát adja meg, amelyeket a kimeneti adathalmaznak tartalmaznia kell.

   Ha például az eredeti adathalmaznak csak a felét szeretné, adja meg 0.5 , hogy a mintavételezési arány 50 százalék legyen.

   A bemeneti adatkészlet sorait a rendszer a megadott aránynak megfelelően elkeveri és szelektíven helyezi el a kimeneti adatkészletben.

4. Véletlenszerű vetőmag mintavételezéshez: Igény szerint adjon meg egy egész számot, amelyet magértékként szeretne használni.

   Ez a beállítás akkor fontos, ha azt szeretné, hogy a sorok minden alkalommal ugyanúgy legyenek elosztva. Az alapértelmezett érték 0, ami azt jelenti, hogy a rendszer órajele alapján egy kezdőmag jön létre. Ez az érték a folyamat minden futtatásakor kissé eltérő eredményeket eredményezhet.

5. Rétegzett felosztás mintavételezéshez: Válassza ezt a lehetőséget, ha fontos, hogy az adathalmaz sorait egyenletesen osztja el egy kulcsoszlop a mintavételezés előtt.

   A mintavételezéshez használt Rétegzési kulcs oszlop esetében válassza ki az adathalmaz osztásához használandó egyetlen rétegoszlopot . Az adathalmaz sorai a következőképpen lesznek felosztva:

   1. Az összes bemeneti sor a megadott rétegoszlop értékei szerint van csoportosítva (rétegzett).

   2. A sorok az egyes csoportokon belül vannak elkeverve.

   3. A rendszer minden csoportot szelektíven ad hozzá a kimeneti adatkészlethez, hogy megfeleljen a megadott aránynak.

6. Küldje el a folyamatot.

   Ezzel a beállítással az összetevő egyetlen adatkészletet ad ki, amely az adatok reprezentatív mintavételezését tartalmazza. Az adathalmaz fennmaradó, nem csomagolt része nem kimenet.

Adatok felosztása partíciókra

Ezt a lehetőséget akkor használja, ha az adathalmazt az adatok részhalmazaira szeretné osztani. Ez a beállítás akkor is hasznos, ha egyéni számú redőt szeretne létrehozni keresztérvényesítéshez, vagy sorokat szeretne több csoportra osztani.

1. Adja hozzá a partíció és a minta összetevőt a folyamathoz, és csatlakoztassa az adathalmazt.

2. Partíció vagy minta mód esetén válassza a Hozzárendelés a hajtásokhoz lehetőséget.

3. Csere használata a particionálásban: Válassza ezt a lehetőséget, ha azt szeretné, hogy a mintául szolgáló sor vissza legyen helyezve a sorok készletébe a lehetséges újrafelhasználáshoz. Ennek eredményeképpen ugyanaz a sor több hajtáshoz is hozzárendelhető.

   Ha nem használ csere (az alapértelmezett beállítás), a mintasor nem kerül vissza a sorok készletébe a lehetséges újrafelhasználáshoz. Ennek eredményeképpen minden sor csak egy hajtáshoz rendelhető hozzá.

4. Véletlenszerű felosztás: Válassza ezt a beállítást, ha azt szeretné, hogy a sorok véletlenszerűen legyenek kiosztva a hajtásokhoz.

   Ha nem választja ki ezt a beállítást, a sorok a ciklikus időszeleteléses módszerrel lesznek kiosztva a hajtásokhoz.

5. Véletlenszerű mag: Igény szerint adjon meg egy egész számot, amelyet magértékként szeretne használni. Ez a beállítás akkor fontos, ha azt szeretné, hogy a sorok minden alkalommal ugyanúgy legyenek elosztva. Ellenkező esetben a 0 alapértelmezett értéke azt jelenti, hogy a rendszer véletlenszerű kezdőmagot használ.

6. Adja meg a particionáló metódust: Adja meg, hogy az adatok hogyan legyenek felosztva az egyes partíciókra az alábbi beállításokkal:

   • Partíció egyenlően: Ezzel a beállítással egyenlő számú sort helyezhet el az egyes partíciókban. A kimeneti partíciók számának megadásához írjon be egy egész számot a mezőre egyenlően felosztandó redők számának megadása mezőben.

   • Partíció testreszabott arányokkal: Ezzel a beállítással vesszővel elválasztott listaként adhatja meg az egyes partíciók méretét.

     Tegyük fel például, hogy három partíciót szeretne létrehozni. Az első partíció az adatok 50 százalékát tartalmazza. A fennmaradó két partíció mindegyike az adatok 25 százalékát tartalmazza. A vesszővel elválasztott arányok listájában adja meg a következő számokat: .5, .25, .25.

     Az összes partícióméret összegének pontosan 1-nek kell lennie.

     Ha 1-nél kisebb számokat ad meg, a rendszer egy további partíciót hoz létre a fennmaradó sorok tárolásához. Ha például a .2 és a .3 értéket adja meg, a rendszer létrehoz egy harmadik partíciót, amely az összes sor fennmaradó 50 százalékát tárolja.

     Ha 1-nél több számot ad meg, a folyamat futtatásakor hiba lép fel.

7. Rétegzett felosztás: Jelölje be ezt a beállítást, ha felosztáskor rétegzni szeretné a sorokat, majd válassza ki a strata oszlopot.

8. Küldje el a folyamatot.

   Ezzel a beállítással az összetevő több adatkészletet ad ki. Az adatkészletek a megadott szabályok szerint vannak particionálva.

Adatok használata előre definiált partícióból

Ezt a lehetőséget akkor használhatja, ha egy adathalmazt több partícióra osztott, és most szeretné betölteni az egyes partíciókat további elemzés vagy feldolgozás céljából.

1. Adja hozzá a partíció és a minta összetevőt a folyamathoz.

2. Csatlakoztassa az összetevőt a partíció és a minta egy korábbi példányának kimenetéhez. A példánynak a Folds hozzárendelése beállítással kellett létrehoznia néhány partíciót.

3. Partíció vagy minta mód: Válassza a Pick Fold lehetőséget.

4. Adja meg, hogy melyik hajtásból szeretne mintát venni: Válassza ki a használni kívánt partíciót az index beírásával. A partícióindexek 1-alapúak. Ha például az adathalmazt három részre osztotta, a partíciók 1, 2 és 3 indexekkel rendelkeznek.

   Ha érvénytelen indexértéket ad meg, a rendszer tervezési időt jelző hibát jelez: "0018-ás hiba: Az adathalmaz érvénytelen adatokat tartalmaz."

   Az adathalmaz hajtások szerinti csoportosítása mellett az adathalmazt két csoportra oszthatja: egy célredőre és minden másra. Ehhez adja meg az egyetlen hajtás indexét, majd válassza a kiválasztott hajtás kiegészítésének kiválasztása lehetőséget, hogy a megadott hajtásban lévő adatokon kivegye az adatokat.

5. Ha több partícióval dolgozik, az egyes partíciók kezeléséhez hozzá kell adnia a Partíció és a Minta összetevő további példányait.

   A második sorban lévő Partíció és minta összetevő például a Kiosztás a hajtásokhoz, a harmadik sorban pedig a Pick Fold értékre van állítva.

   

6. Küldje el a folyamatot.

   Ezzel a beállítással az összetevő egyetlen adatkészletet ad ki, amely csak az adott hajtáshoz rendelt sorokat tartalmazza.

Feljegyzés

A hajtásjelöléseket nem tekintheti meg közvetlenül. Csak a metaadatokban vannak jelen.

Következő lépések

Tekintse meg az Azure Machine Learning számára elérhető összetevőket.