descrizioni dei moduli di ML Studio (versione classica)
Importante
Il supporto dello studio di Azure Machine Learning (versione classica) terminerà il 31 agosto 2024. È consigliabile passare ad Azure Machine Learning entro tale data.
A partire dal 1° dicembre 2021 non sarà possibile creare nuove risorse dello studio di Azure Machine Learning (versione classica). Fino al 31 agosto 2024 sarà possibile continuare a usare le risorse dello studio di Azure Machine Learning (versione classica).
- Vedere leinformazioni sullo spostamento di progetti di Machine Learning da ML Studio (versione classica) ad Azure Machine Learning.
- Altre informazioni sulle Azure Machine Learning.
La documentazione relativa allo studio di Machine Learning (versione classica) è in fase di ritiro e potrebbe non essere aggiornata in futuro.
Questo argomento offre una panoramica di tutti i moduli inclusi in Machine Learning Studio (versione classica), ovvero un'area di lavoro visiva interattiva per creare e testare facilmente modelli predittivi.
Nota
Si applica a: Machine Learning Studio (versione classica)
Moduli di trascinamento della selezione simili sono disponibili nella finestra Azure Machine Learning progettazione.
Che cos'è un modulo?
In Machine Learning Studio (versione classica), un modulo è un blocco predefinito per la creazione di esperimenti. Ogni modulo incapsula un algoritmo, una funzione o una libreria di codice di Machine Learning specifica che può agire sui dati nell'area di lavoro. I moduli sono progettati per accettare connessioni da altri moduli, per condividere e modificare i dati.
Il codice eseguito in ogni modulo proviene da molte origini. Questi includono open source librerie e linguaggi, algoritmi sviluppati da Microsoft Research e strumenti per l'uso con Azure e altri servizi cloud.
Suggerimento
Per informazioni su algoritmi di Machine Learning Vedere la Machine Learning, che contiene moduli per alberi delle decisioni, clustering, reti neurali, tra gli altri. Le categorie Train e Evaluate includono moduli che consentono di eseguire il training e il test dei modelli.
Connettendo e configurando i moduli, è possibile creare un flusso di lavoro che legge i dati da origini esterne, lo prepara per l'analisi, applica algoritmi di Machine Learning e genera risultati.
Quando un esperimento è aperto in Machine Learning Studio (versione classica), è possibile visualizzare l'elenco completo dei moduli correnti nel riquadro di spostamento a sinistra. Trascinare questi blocchi predefiniti nell'esperimento e quindi connetterli per creare un flusso di lavoro di Machine Learning completo, denominato esperimento.
In alcuni casi i moduli vengono aggiornati per aggiungere nuove funzionalità o per rimuovere il codice precedente. In questo caso, tutti gli esperimenti creati che usano il modulo continuano a essere eseguiti. Tuttavia, alla successiva apertura dell'esperimento, viene richiesto di aggiornare il modulo o di usare un modulo diverso.
Esempio
Per un esempio di come creare un esperimento di Machine Learning completo, vedere queste esercitazioni:
Categorie di moduli
Per semplificare l'individuazione dei moduli correlati, gli strumenti di Machine Learning in Machine Learning Studio (versione classica) sono raggruppati in base a queste categorie.
Conversioni del formato dati
Usare questi moduli per convertire i dati in uno dei formati usati da altri strumenti o formati di Machine Learning.
-
Usare questi moduli per leggere dati e modelli da origini dati cloud, inclusi cluster Hadoop, Archiviazione tabelle di Azure e URL Web. È anche possibile usare questi moduli per scrivere risultati nell'archiviazione o in un database.
-
Usare questi moduli per preparare i dati per l'analisi. È possibile modificare i tipi di dati, contrassegnare le colonne come caratteristiche o etichette, generare funzionalità e ridimensionare o normalizzare i dati.
-
Trasformare i dati numerici derivati dall'elaborazione del segnale digitale.
-
Usare distribuzioni di probabilità congiunte per creare funzionalità che descrivono in modo compatto set di dati di grandi dimensioni.
-
Questo gruppo offre un'ampia gamma di strumenti per data science. Ad esempio, è possibile rimuovere o sostituire i valori mancanti, scegliere un subset di colonne, aggiungere una colonna o concatenare due set di dati.
-
Dividere un set di dati per criteri o dimensioni, per creare set di training e test o per isolare determinate righe.
-
Trasformare i dati numerici.
Selezione funzionalità
Usare questi moduli per identificare le funzioni ottimali nei dati usando metodi statistici ampiamente studiati.
Machine Learning
Questo gruppo contiene la maggior parte degli algoritmi di Machine Learning supportati da Machine Learning.
Contiene anche moduli destinati a supportare gli algoritmi tramite il training dei modelli, la generazione di punteggi e la valutazione delle prestazioni del modello.
-
Dopo aver creato il training di un modello, usare questi strumenti per misurare l'accuratezza del modello.
-
Questi moduli forniscono gli algoritmi di Machine Learning, che è possibile personalizzare impostando i parametri. Gli algoritmi in questa sezione sono raggruppati per tipo:
-
Usare questi moduli per passare nuovi dati tramite l'algoritmo e generare un set di risultati per la valutazione. È anche possibile usare i risultati dell'assegnazione dei punteggi come parte di un servizio predittivo.
-
Questi moduli esereranno il training di un modello di Machine Learning inizializzato sui dati forniti.
Moduli della libreria OpenCV
Questi moduli consentono di accedere facilmente a una comune libreria open source per l'elaborazione e la classificazione di immagini.
Moduli del linguaggio R
Usare questi moduli per aggiungere codice R personalizzato all'esperimento o implementare un modello di Machine Learning basato su un pacchetto R.
Moduli del linguaggio Python
Usare questi moduli per aggiungere codice Python personalizzato all'esperimento.
Funzioni statistiche
Usare questi moduli per calcolare le distribuzioni di probabilità, creare calcoli personalizzati ed eseguire molte altre attività correlate a variabili numeriche.
Analisi del testo
Usare questi moduli per eseguire l'hashing delle funzionalità e il riconoscimento delle entità denominate o per pre-elaborare il testo usando gli strumenti di elaborazione del linguaggio naturale.
Serie temporale
Usare questi moduli per valutare le anomalie nelle tendenze, usando algoritmi appositamente progettati per i dati delle serie tempo reale.
Attività correlate
Machine Learning i moduli di Studio (versione classica) non tentano di duplicare gli strumenti di integrazione dei dati supportati in altri strumenti, ad esempio Azure Data Factory. I moduli forniscono invece funzionalità specifiche di Machine Learning:
- Normalizzazione, raggruppamento e ridimensionamento dei dati
- Calcolo della distribuzione statistica dei dati
- Conversione in altri formati di Machine Learning
- Importare i dati usati per gli esperimenti di Machine Learning ed esportare i risultati
- Analisi del testo, selezione delle funzionalità e riduzione della dimensionalità
Se sono necessarie strutture più sofisticate per la manipolazione e l'archiviazione dei dati, vedere quanto segue:
- Azure Data Factory: Enterprise pipeline di elaborazione dati cloud pronte per l'esecuzione.
- database SQL di Azure: archiviazione scalabile, con accesso integrato a Machine Learning.
- CosmosDB: archivio dati NoSQL; importare dati in Machine Learning Studio (versione classica).
- Azure Data Lake Analytics: Analisi distribuita su Big Data.
- Analisi di flusso: elaborazione degli eventi per il Internet delle cose.
- Azure Analisi del testo: più opzioni per l'elaborazione del testo e servizi cognitivi correlati per riconoscimento vocale, immagine e facciale.
- Azure Databricks: piattaforma di analisi basata su Spark.