Menjalankan alur Azure Machine Learning di Azure Data Factory dan Synapse Analytics
BERLAKU UNTUK:Azure Data Factory Azure Synapse Analytics
Tip
Cobalah Data Factory di Microsoft Fabric, solusi analitik all-in-one untuk perusahaan. Microsoft Fabric mencakup semuanya mulai dari pergerakan data hingga ilmu data, analitik real time, kecerdasan bisnis, dan pelaporan. Pelajari cara memulai uji coba baru secara gratis!
Jalankan alur Azure Machine Learning Anda sebagai langkah di alur Azure Data Factory dan Synapse Analytics. Aktivitas Jalankan Alur Azure Machine Learning memungkinkan skenario prediksi batch seperti mengidentifikasi kemungkinan default pinjaman, menentukan sentimen, dan menganalisis pola perilaku pelanggan.
Video di bawah ini menampilkan pengenalan dan demonstrasi fitur ini selama enam menit.
Buat aktivitas Jalankan Alur Pembelajaran Mesin dengan UI
Untuk menggunakan aktivitas Jalankan Alur Pembelajaran Mesin dalam alur, selesaikan langkah-langkah berikut:
Cari Pembelajaran Mesin di panel Aktivitas alur, dan seret aktivitas Jalankan Alur Pembelajaran Mesin ke kanvas alur.
Pilih aktivitas Jalankan Alur Pembelajaran Mesin baru di kanvas jika belum dipilih, dan tab Pengaturan, untuk mengedit detailnya.
Pilih yang sudah ada atau buat layanan tertaut Azure Machine Learning baru, dan berikan detail alur dan eksperimen, dan parameter alur atau penetapan jalur data apa pun yang diperlukan untuk alur.
Sintaks
{
"name": "Machine Learning Execute Pipeline",
"type": "AzureMLExecutePipeline",
"linkedServiceName": {
"referenceName": "AzureMLService",
"type": "LinkedServiceReference"
},
"typeProperties": {
"mlPipelineId": "machine learning pipeline ID",
"experimentName": "experimentName",
"mlPipelineParameters": {
"mlParameterName": "mlParameterValue"
}
}
}
Properti jenis
Properti | Deskripsi | Nilai yang diizinkan | Wajib |
---|---|---|---|
nama | Nama aktivitas di dalam alur | String | Ya |
jenis | Jenis aktivitas adalah 'AzureMLExecutePipeline' | String | Ya |
linkedServiceName | Layanan Tertaut ke Azure Machine Learning | Referensi layanan tertaut | Ya |
mlPipelineId | ID alur Azure Machine Learning yang dipublikasikan | String (atau ekspresi dengan resultType string) | Ya |
experimentName | Jalankan nama eksperimen riwayat dari eksekusi alur Machine Learning | String (atau ekspresi dengan resultType string) | Tidak |
mlPipelineParameters | Pasangan Kunci, Nilai yang akan diteruskan ke titik akhir alur Azure Machine Learning yang dipublikasikan. Kunci harus cocok dengan nama parameter alur yang ditentukan dalam alur Machine Learning yang dipublikasikan | Objek dengan pasangan nilai kunci (atau Ekspresi dengan objek resultType) | Tidak |
mlParentRunId | ID eksekusi alur Azure Machine Learning induk | String (atau ekspresi dengan resultType string) | Tidak |
dataPathAssignments | Kamus yang digunakan untuk mengubah jalur data dalam Azure Machine learning. Memungkinkan peralihan jalur data | Objek dengan pasangan nilai kunci | Tidak |
continueOnStepFailure | Apakah akan melanjutkan eksekusi langkah lainnya dalam eksekusi alur Pembelajaran Mesin jika langkah gagal | Boolean | Tidak |
Catatan
Untuk mengisi item dropdown di nama dan ID alur Pembelajaran Mesin, pengguna harus memiliki izin untuk mencantumkan alur ML. Antarmuka pengguna memanggil API AzureMLService secara langsung menggunakan catatan di kredensial pengguna.
Konten terkait
Lihat artikel berikut yang menjelaskan cara mentransformasikan data dengan cara lain: