Tabella del conteggio delle esportazioni
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.
Esporta la tabella di conteggio da una trasformazione salvata per l'uso con i nuovi dati
Categoria: Learning con conteggi
Nota
Si applica a: Machine Learning Studio (versione classica)
Nella finestra di progettazione sono disponibili moduli simili Azure Machine Learning trascinamento della selezione.
Panoramica del modulo
Questo articolo descrive come usare il modulo Export Count Table (Esporta tabella conteggio) in Machine Learning Studio (versione classica). Il modulo Export Count Table (Esporta tabella conteggio) viene fornito per garantire la compatibilità con le versioni precedenti degli esperimenti che usano i moduli Deprecated Build Count Table (Tabella conteggio compilazioni) e Count Featurizer deprecati.
Quando si usa il nuovo modulo Build Counting Transform (Trasformazione conteggio compilazioni) per creare funzionalità basate sul conteggio, il modulo restituisce sia un set di dati con caratteristiche che una trasformazione che crea caratteristiche dai conteggi. Usando il modulo Export Count Table (Esporta tabella conteggio), è possibile separare l'output delle funzionalità basate sul conteggio da questo modulo più recente in metadati di conteggio e in una tabella di conteggio. Questi formati di output sono stati usati dai moduli precedenti, ora deprecati:
Per informazioni generali sulle tabelle di conteggio e su come vengono usate per creare funzionalità, vedere Learning con conteggi.
Per tutti i nuovi esperimenti, è consigliabile usare i moduli seguenti:
Come configurare la tabella di conteggio delle esportazioni
In Machine Learning Studio (versione classica) aprire l'esperimento in cui si vuole usare la tabella dei conteggi importati.
Individuare la trasformazione conteggio salvata e aggiungerla all'esperimento.
Connessione l'output della trasformazione conteggio salvata (trasformazione con etichetta) in Tabella conteggio esportazioni.
Aggiungere il modulo Count Featurizer (deprecato) all'esperimento e connetterlo ai due output di Export Count Table.
Il modulo Count Featurizer (deprecato) richiede un input aggiuntivo per il set di dati che si vuole creare. Connessione set di dati per applicare la trasformazione salvata agli output.
Impostare i parametri necessari per Count Featurizer (deprecato), incluse la colonna etichetta, le colonne di conteggio, le colonne da creare e le funzionalità da visualizzare come output.
È necessario selezionare un subset delle colonne selezionate in origine per la trasformazione conteggio. Tuttavia, il modulo Export Count Table (Esporta tabella conteggio) non fornisce l'elenco di queste colonne, quindi è consigliabile esaminare l'esperimento originale e prendere nota delle colonne usate. Se si seleziona una colonna che non è stata utilizzata durante la creazione della trasformazione, viene generato un errore.
Esempio
Esplorare esempi di esetuazione delle funzionalità basata sul conteggio usando questi esperimenti di esempio nel Azure AI Gallery:
Previsione dei ritardi dei voli: mostra come la funzionalità basata sul conteggio può essere utile in un set di dati molto grande.
Learning con conteggi: classificazione multiclasse con i dati dei taxi di New York: illustra l'uso di funzionalità basate sul conteggio in un'attività di stima multiclasse.
Learning con Conteggi: Classificazione binaria con i dati dei taxi di New York: usa funzionalità basate sul conteggio in un'attività di classificazione binaria.
Nota
Se si apre un esperimento di Gallery creato usando le versioni deprecate del Learning con i moduli Counts, l'esperimento viene aggiornato automaticamente per usare i moduli più recenti.
Input previsti
| Nome | Tipo | Descrizione |
|---|---|---|
| Trasformazione Conteggio | Interfaccia ITransform | Trasformazione di conteggio. |
Output
| Nome | Tipo | Descrizione |
|---|---|---|
| Metadati dei conteggi Dracula | Tabella dati | Metadati dei conteggi. |
| Tabella di conteggio Dracula | Tabella dati | Tabella di conteggio. |
Eccezioni
| Eccezione | Descrizione |
|---|---|
| Errore 0003 | L'eccezione si verifica se uno o più input sono null o vuoti. |
| Errore 0086 | Si verifica un'eccezione quando la trasformazione di un conteggio non è valida. |
Per un elenco di errori specifici dei moduli di Studio (versione classica), vedere l'Machine Learning codici di errore.
Per un elenco delle eccezioni API, vedere l'Machine Learning di errore dell'API REST.