Eseguire pipeline di Azure Machine Learning in Azure Data Factory e Synapse Analytics
SI APPLICA A:
Azure Data Factory Azure Synapse Analytics
Suggerimento
Provare Data Factory in Microsoft Fabric, una soluzione di analisi completa per le aziende. Microsoft Fabric copre tutti gli elementi, dallo spostamento dei dati all'analisi scientifica dei dati, all'analisi in tempo reale, alla business intelligence e alla creazione di report. Scopri come avviare gratuitamente una nuova versione di valutazione .
Eseguire le pipeline di Azure Machine Learning come passaggio nelle pipeline di Azure Data Factory e Synapse Analytics. Con l'attività Execute Pipeline di Machine Learning vengono abilitati scenari di previsione batch, ad esempio l'identificazione delle possibili impostazioni predefinite di un prestito, la determinazione della valutazione e l'analisi dei modelli di comportamento dei clienti.
Il video seguente della durata di sei minuti include un'introduzione e una dimostrazione di questa funzionalità.
Creare un'attività Esegui pipeline di Machine Learning con l'interfaccia utente
Per usare un'attività Esegui pipeline di Machine Learning in una pipeline, seguire questa procedura:
Cercare Machine Learning nel riquadro Attività pipeline e trascinare un'attività Esegui pipeline di Machine Learning nell'area di disegno della pipeline.
Selezionare la nuova attività Esegui pipeline di Machine Learning nell'area di disegno se non è già selezionata e la scheda Impostazioni per modificarne i dettagli.
Selezionare un nuovo servizio collegato di Azure Machine Learning o crearne uno esistente e specificare i dettagli della pipeline e dell'esperimento e gli eventuali parametri della pipeline o assegnazioni di percorso dati necessari per la pipeline.
Sintassi
{
"name": "Machine Learning Execute Pipeline",
"type": "AzureMLExecutePipeline",
"linkedServiceName": {
"referenceName": "AzureMLService",
"type": "LinkedServiceReference"
},
"typeProperties": {
"mlPipelineId": "machine learning pipeline ID",
"experimentName": "experimentName",
"mlPipelineParameters": {
"mlParameterName": "mlParameterValue"
}
}
}
Proprietà del tipo
| Proprietà | Descrizione | Valori consentiti | Obbligatorio |
|---|---|---|---|
| name | Nome dell'attività nella pipeline | Stringa | Sì |
| Tipo | Il tipo di attività è 'AzureMLExecutePipeline' | Stringa | Sì |
| linkedServiceName | Servizio collegato ad Azure Machine Learning | Riferimento del servizio collegato | Sì |
| mlPipelineId | ID della pipeline di Azure Machine Learning pubblicata | Stringa (o un'espressione con l'elemento resultType della stringa) | Sì |
| experimentName | Nome dell'esperimento della cronologia di esecuzione dell'esecuzione della pipeline di Machine Learning | Stringa (o un'espressione con l'elemento resultType della stringa) | No |
| mlPipelineParameters | Coppie chiave-valore da passare all'endpoint della pipeline di Azure Machine Learning pubblicato. Le chiavi devono corrispondere ai nomi dei parametri della pipeline definiti nella pipeline di Machine Learning pubblicata | Oggetto con coppie chiave-valore (o Expression con oggetto resultType) | No |
| mlParentRunId | ID di esecuzione della pipeline di Azure Machine Learning padre | Stringa (o un'espressione con l'elemento resultType della stringa) | No |
| dataPathAssignments | Dizionario usato per modificare i percorsi dati in Azure Machine Learning. Abilita il passaggio dei percorsi dati | Oggetto con coppie chiave-valore | No |
| continueOnStepFailure | Indica se continuare l'esecuzione di altri passaggi nella pipeline di Machine Learning in caso di errore di un passaggio | boolean | No |
Nota
Per popolare gli elementi dell'elenco a discesa nel nome e nell'ID della pipeline di Machine Learning, l'utente deve avere l'autorizzazione per elencare le pipeline di Machine Learning. L'interfaccia utente chiama le API di AzureMLService direttamente usando le credenziali dell'utente connesso.
Contenuto correlato
Vedere gli articoli seguenti, che illustrano altre modalità di trasformazione dei dati: