Terapkan Transformasi

Penting

Dukungan untuk Studio Azure Machine Learning (klasik) akan berakhir pada 31 Agustus 2024. Sebaiknya Anda transisi ke Azure Machine Learning sebelum tanggal tersebut.

Mulai 1 Desember 2021, Anda tidak akan dapat membuat sumber daya Studio Azure Machine Learning (klasik) baru. Hingga 31 Agustus 2024, Anda dapat terus menggunakan sumber daya Pembelajaran Mesin Studio (klasik) yang ada.

• Lihat informasi tentang memindahkan proyek pembelajaran mesin dari ML Studio (klasik) ke Azure Machine Learning.
• Mer informasjon tentang Azure Machine Learning.

ML Dokumentasi Studio (klasik) sedang berhenti dan mungkin tidak diperbarui di masa mendatang.

Menerapkan transformasi data yang ditentukan dengan baik ke himpunan data

Kategori: Pembelajaran Mesin / Skor

Catatan

Berlaku untuk: Pembelajaran Mesin Studio (klasik) saja

Modul drag-and-drop serupa tersedia di Azure Machine Learning desainer.

Ringkasan Modul

Artikel ini menjelaskan cara menggunakan modul Terapkan Transformasi di Pembelajaran Mesin Studio (klasik), untuk memodifikasi himpunan data input berdasarkan transformasi yang dihitung sebelumnya.

Misalnya, jika Anda menggunakan skor z untuk menormalkan data latihan Anda dengan menggunakan modul Menormalkan Data, Anda ingin menggunakan nilai skor z yang dihitung untuk latihan selama fase penilaian. Di Pembelajaran Mesin Studio (klasik), Anda dapat melakukan ini dengan mudah dengan menyimpan metode normalisasi sebagai transformasi, dan kemudian menggunakan Terapkan Transformasi untuk menerapkan z-score ke data input sebelum mencetak gol.

Pembelajaran Mesin Studio (klasik) memberikan dukungan untuk membuat dan kemudian menerapkan berbagai jenis transformasi kustom. Misalnya, Anda mungkin ingin menyimpan dan kemudian menggunakan kembali transformasi yang melakukan hal berikut:

• Menghapus atau mengganti nilai yang hilang, menggunakan Bersihkan Data yang Hilang

• Bin, menskalakan, dan menormalkan data, menggunakan Normalisasi Data atau Data Grup ke dalam Tempat Sampah

• Buat satu set fitur ringkas dengan menghitung distribusi probabilitas bersama untuk himpunan data, menggunakan Pembelajaran dengan modul Hitungan.

Cara menggunakan Menerapkan Transformasi

1. Tambahkan modul Terapkan Transformasi ke eksperimen Anda. Anda dapat menemukan modul thi di bawah Pembelajaran Mesin, dalam kategori Skor.

2. Temukan transformasi yang ada untuk digunakan sebagai input.

   Jika transformasi dibuat sebelumnya dalam percobaan (misalnya, sebagai bagian dari operasi pembersihan atau penskalaan data) biasanya objek antarmuka ITransform tersedia pada output kanan modul. Koneksi output itu ke input kiri Apply Transformation.

   Transformasi yang disimpan sebelumnya dapat ditemukan di grup Transformasi di panel navigasi kiri.

   Tip

   Jika Anda merancang transformasi untuk eksperimen tetapi tidak menyimpannya secara eksplisit, transformasi tersedia di ruang kerja selama sesi Anda terbuka. Jika Anda menutup sesi tetapi tidak menyimpan transformasi, Anda dapat menjalankan kembali eksperimen untuk menghasilkan objek antarmuka ITransform .

3. Koneksi himpunan data yang ingin Anda ubah. Himpunan data harus memiliki skema yang sama persis (jumlah kolom, nama kolom, jenis data) sebagai himpunan data yang merancang transformasi pertama kali.

4. Tidak ada parameter lain yang perlu ditetapkan; semua kustomisasi dilakukan saat mendefinisikan transformasi.

5. Untuk menerapkan transformasi ke himpunan data baru, jalankan eksperimen.

Contoh

Untuk melihat bagaimana modul ini digunakan dalam pembelajaran mesin, lihat Galeri AI Azure:

• Deteksi Penipuan Online: Sampel ini menunjukkan cara menggunakan Terapkan Transformasi dengan Data Hilang Bersih, untuk memastikan bahwa nilai yang hilang ditangani sama di semua himpunan data.

• Pemeliharaan Prediktif: Menunjukkan cara menggunakan Terapkan Transformasi dengan Menormalkan Data.

• Pembelajaran dengan Hitungan: Menggunakan Terapkan Transformasi untuk menggunakan kembali tabel hitungan.

Catatan teknis

Modul Terapkan Transformasi dapat mengambil sebagai input output dari setiap modul yang menciptakan antarmuka ITransform. Modul-modul ini meliputi:

• Bersihkan Data yang Hilang

• Menormalkan Data

• Mengelompokkan Data ke dalam Bin

• Pembelajaran dengan Hitungan

Tip

Anda juga dapat menyimpan dan menggunakan kembali filter yang dirancang untuk pemrosesan sinyal digital. Namun, filter menggunakan antarmuka antarmuka IFilter , bukan antarmuka ITransform.

Input yang diharapkan

Nama	Jenis	Deskripsi
Transformasi	Antarmuka ITransform	Transformasi data yang tidak stabil
Himpunan Data	Tabel Data	Himpunan data yang akan diubah

Output

Nama	Jenis	Deskripsi
Mengubah himpunan data	Tabel Data	Mengubah himpunan data

Pengecualian

Pengecualian	Deskripsi
Kesalahan 0003	Pengecualian terjadi jika satu atau beberapa input null atau kosong.

Untuk daftar kesalahan khusus untuk modul Studio (klasik), lihat Pembelajaran Mesin Kode kesalahan.

Untuk daftar pengecualian API, lihat Pembelajaran Mesin Kode Kesalahan REST API.

Lihat juga

Filter
Menerapkan Transformasi SQL
Membersihkan Data Yang Hilang
Menormalkan Data
Daftar Modul A-Z
Mengelompokkan Data ke dalam Bin