deskripsi modul ML Studio (klasik)

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.

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

Topik ini memberikan gambaran umum tentang semua modul yang termasuk dalam Pembelajaran Mesin Studio (klasik), yang merupakan ruang kerja visual interaktif untuk dengan mudah membangun dan menguji model prediktif.

Catatan

Berlaku untuk: Pembelajaran Mesin Studio (klasik) saja

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

Apa itu modul?

Dalam Pembelajaran Mesin Studio (klasik), modul adalah blok bangunan untuk membuat eksperimen. Setiap modul merangkum algoritma pembelajaran mesin, fungsi, atau pustaka kode tertentu yang dapat bertindak berdasarkan data di ruang kerja Anda. Modul dirancang untuk menerima koneksi dari modul lain, untuk berbagi dan memodifikasi data.

Kode yang berjalan di setiap modul berasal dari banyak sumber. Ini termasuk Open Source pustaka dan bahasa, algoritme yang dikembangkan oleh Microsoft Research, dan alat untuk bekerja dengan Azure dan layanan cloud lainnya.

Tip

Mencari algoritma pembelajaran mesin? Lihat kategori Pembelajaran Mesin, yang berisi modul untuk pohon keputusan, pengelompokan, jaringan saraf, antara lain. Kategori Train and Evaluate mencakup modul untuk membantu melatih dan menguji model Anda.

Dengan menghubungkan dan mengonfigurasi modul, Anda dapat membuat alur kerja yang membaca data dari sumber eksternal, menyiapkannya untuk analisis, menerapkan algoritma pembelajaran mesin, dan menghasilkan hasil.

Saat eksperimen terbuka di Pembelajaran Mesin Studio (klasik), Anda dapat melihat daftar lengkap modul saat ini di panel navigasi di sebelah kiri. Anda menyeret blok bangunan ini ke dalam eksperimen Anda, lalu menghubungkannya untuk membuat alur kerja pembelajaran mesin yang lengkap, yang disebut eksperimen.

Terkadang modul diperbarui untuk menambahkan fungsionalitas baru, atau untuk menghapus kode yang lebih lama. Ketika ini terjadi, eksperimen apa pun yang Anda buat yang menggunakan modul terus berjalan. Tetapi pada saat Anda membuka eksperimen, Anda diminta untuk meningkatkan modul, atau menggunakan modul yang berbeda.

Contoh

Untuk contoh cara membuat eksperimen pembelajaran mesin yang lengkap, lihat tutorial berikut:

Kategori modul

Untuk memudahkan menemukan modul terkait, alat pembelajaran mesin di Pembelajaran Mesin Studio (klasik) dikelompokkan berdasarkan kategori ini.

Konversi Format Data

Gunakan modul ini untuk mengonversi data ke salah satu format yang digunakan oleh alat atau format pembelajaran mesin lainnya.

  • Input dan Output Data

    Gunakan modul ini untuk membaca data dan model dari sumber data cloud, termasuk kluster Hadoop, penyimpanan Azure Table, dan URL web. Anda juga dapat menggunakan modul ini untuk menulis hasil ke penyimpanan atau ke database.

  • Transformasi Data

    Gunakan modul ini untuk menyiapkan data untuk analisis. Anda dapat mengubah tipe data, menandai kolom sebagai fitur atau label, membuat fitur, dan menskalakan atau menormalkan data.

  • Filter

    Mengubah data numerik yang berasal dari pemrosesan sinyal digital.

  • Pembelajaran Dengan Hitungan

    Gunakan distribusi probabilitas bersama untuk membangun fitur yang secara ringkas menggambarkan dataset besar.

  • Manipulasi

    Kelompok ini menyediakan berbagai alat untuk ilmu data. Misalnya, Anda dapat menghapus atau mengganti nilai yang hilang, memilih subset kolom, menambahkan kolom, atau menggabungkan dua himpunan data.

  • Sampel dan Split

    Bagilah himpunan data berdasarkan kriteria atau berdasarkan ukuran, untuk membuat set pelatihan dan pengujian, atau untuk mengisolasi baris tertentu.

  • Skala dan Kurangi

    Mengubah data numerik.

Pemilihan Fitur

Gunakan modul ini untuk mengidentifikasi fitur terbaik dalam data Anda, menggunakan metode statistik yang diteliti secara luas.

Machine Learning

Kelompok ini berisi sebagian besar algoritma pembelajaran mesin yang didukung oleh Pembelajaran Mesin.

Ini juga berisi modul yang dimaksudkan untuk mendukung algoritma dengan melatih model, menghasilkan skor, dan mengevaluasi kinerja model.

  • Mengevaluasi

    Setelah Anda melatih model, gunakan alat ini untuk mengukur akurasi model.

  • Menginisialisasi

    Modul-modul ini menyediakan algoritma pembelajaran mesin, yang dapat Anda sesuaikan dengan mengatur parameter. Algoritma di bagian ini dikelompokkan berdasarkan jenis:

  • Skor

    Gunakan modul-modul ini untuk meneruskan data baru melalui algoritma, dan menghasilkan serangkaian hasil untuk evaluasi. Anda juga dapat menggunakan hasil penilaian sebagai bagian dari layanan prediktif.

  • Berlatih

    Modul-modul ini melatih model pembelajaran mesin yang diinsialisasi pada data yang Anda berikan.

Modul Pustaka OpenCV

Modul-modul ini memberi Anda akses mudah ke perpustakaan Open Source yang populer untuk pemrosesan gambar dan klasifikasi gambar.

Modul Bahasa R

Gunakan modul ini untuk menambahkan kode R kustom ke eksperimen Anda, atau terapkan model pembelajaran mesin berdasarkan paket R.

Modul Bahasa Python

Gunakan modul ini untuk menambahkan kode Python kustom ke eksperimen Anda.

Fungsi statistik

Gunakan modul ini untuk menghitung distribusi probabilitas, membuat perhitungan khusus, dan melakukan berbagai tugas lain yang terkait dengan variabel numerik.

Text Analytics

Gunakan modul ini untuk melakukan hashing fitur dan pengenalan entitas bernama, atau untuk memproses teks praproses menggunakan alat pemrosesan bahasa alami.

Deret Waktu

Gunakan modul ini untuk menilai anomali dalam tren, dengan menggunakan algoritma yang dirancang khusus untuk data deret waktu.

Pembelajaran Mesin Studio (klasik) tidak berusaha menduplikasi alat integrasi data yang didukung di alat lain, seperti Azure Data Factory. Sebaliknya, modul menyediakan fungsionalitas yang khusus untuk pembelajaran mesin:

  • Normalisasi, pengelompokan, dan penskalaan data
  • Menghitung distribusi statistik data
  • Konversi ke format pembelajaran mesin lainnya
  • Impor data yang digunakan untuk eksperimen pembelajaran mesin dan ekspor hasil
  • Analisis teks, pemilihan fitur, dan pengurangan dimensi

Jika Anda membutuhkan fasilitas yang lebih canggih untuk manipulasi dan penyimpanan data, lihat yang berikut:

Lihat juga

  • Last updated on