Pilih Transformasi Kolom

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.

Membuat transformasi yang memilih subset kolom yang sama seperti dalam himpunan data yang diberikan

Kategori: Transformasi / Manipulasi Data

Catatan

Berlaku untuk: Pembelajaran Mesin Studio (klasik) saja

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

Artikel ini menjelaskan cara menggunakan modul Pilih Transformasi Kolom di Pembelajaran Mesin Studio (klasik). Tujuan dari modul Select Columns Transform adalah untuk memastikan bahwa kumpulan kolom yang dapat diprediksi dan konsisten selalu digunakan dalam operasi pembelajaran mesin hilir.

Modul ini sangat membantu untuk tugas-tugas seperti penilaian, yang memerlukan kolom tertentu. Perubahan pada kolom yang tersedia mungkin merusak eksperimen atau mengubah hasilnya.

Anda menggunakan Pilih Transformasi Kolom untuk membuat dan menyimpan sekumpulan kolom. Kemudian, gunakan modul Terapkan Transformasi untuk menerapkan pilihan tersebut ke data baru.

Cara menggunakan Pilih Transformasi Kolom

Skenario ini mengasumsikan bahwa Anda bermaksud menggunakan pemilihan fitur untuk menghasilkan serangkaian kolom dinamis yang akan digunakan untuk melatih model. Untuk memastikan bahwa pilihan kolom sama untuk proses penilaian, Anda menggunakan modul Select Columns Transform untuk menangkap pilihan kolom dan menerapkannya di tempat lain dalam percobaan.

  1. Tambahkan himpunan data input ke eksperimen Anda di Studio (klasik).

  2. Tambahkan instans Pemilihan Fitur Berbasis Filter.

  3. Koneksi modul dan konfigurasikan modul pemilihan fitur untuk secara otomatis menemukan beberapa fitur terbaik dalam himpunan data input.

  4. Tambahkan instans Latih Model dan gunakan output Pemilihan Fitur Berbasis Filter sebagai input untuk pelatihan.

    Penting

    Karena pentingnya fitur ditentukan berdasarkan nilai di kolom, Anda tidak dapat mengetahui terlebih dahulu kolom mana yang mungkin tersedia untuk dimasukkan ke Train Model.

  5. Sekarang, lampirkan contoh modul Select Columns Transform .

    Ini menghasilkan pemilihan kolom sebagai transformasi yang dapat disimpan atau diterapkan ke himpunan data lain. Langkah ini memastikan bahwa kolom yang diidentifikasi oleh pilihan fitur disimpan untuk digunakan kembali oleh modul lain.

  6. Tambahkan modul Model Skor.

    Jangan sambungkan himpunan data input.

    Sebagai gantinya, tambahkan modul Terapkan Transformasi dan sambungkan output transformasi pemilihan fitur.

    Penting

    Anda tidak dapat mengharapkan untuk menerapkan Pemilihan Fitur Berbasis Filter ke himpunan data penilaian, dan mendapatkan hasil yang sama. Karena pemilihan fitur didasarkan pada nilai, mungkin memilih kumpulan kolom yang berbeda, yang akan menyebabkan operasi penilaian gagal.

  7. Jalankan eksperimen.

Proses menyimpan dan kemudian menerapkan pemilihan kolom ini akan memastikan bahwa skema data yang sama tersedia untuk pelatihan dan penilaian.

Contoh

Untuk contoh cara menggunakan modul ini, lihat Galeri AI Azure:

Input yang diharapkan

Nama Jenis Deskripsi
Himpunan data dengan kolom yang diinginkan Tabel Data Himpunan data yang berisi kumpulan kolom yang diinginkan

Output

Nama Jenis Deskripsi
Transformasi pemilihan kolom Antarmuka ITransform Transformasi yang memilih subset kolom yang sama seperti dalam himpunan data yang diberikan.

Pengecualian

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

Lihat juga

Manipulasi
Memilih Kolom di Himpunan Data

  • Last updated on