Azure Machine Learning pijplijnen uitvoeren in Azure Data Factory en Synapse Analytics

Van toepassing op: Azure Data Factory Azure Synapse Analytics

Tip

Data Factory in Microsoft Fabric is de volgende generatie van Azure Data Factory, met een eenvoudigere architectuur, ingebouwde AI en nieuwe functies. Als u nieuw bent in gegevensintegratie, begint u met Fabric Data Factory. Bestaande ADF-workloads kunnen upgraden naar Fabric om toegang te krijgen tot nieuwe mogelijkheden voor gegevenswetenschap, realtime analyses en rapportage.

Voer uw Azure Machine Learning pijplijnen uit als een stap in uw Azure Data Factory- en Synapse Analytics-pijplijnen. De activiteit van de Machine Learning Uitvoeringspijplijn maakt het mogelijk om batchvoorspellingsscenario's te realiseren, zoals het identificeren van mogelijke wanbetalingen van leningen, het vaststellen van sentiment en het analyseren van gedragspatronen van klanten.

De onderstaande video bevat een zes minuten durende inleiding en demonstratie van deze functie.

Een Machine Learning Execute Pipeline-activiteit maken met de gebruikersinterface

Voer de volgende stappen uit om een Machine Learning Uitvoerpijplijnactiviteit in een pijplijn te gebruiken:

  1. Zoek Machine Learning in het deelvenster Pijplijn-activiteiten en sleep een Execute Pipeline-activiteit voor Machine Learning naar het pijplijn-canvas.

  2. Selecteer de nieuwe Machine Learning Pijplijnactiviteit uitvoeren op het canvas als deze nog niet is geselecteerd en het tabblad Settings om de details ervan te bewerken.

    Toont de gebruikersinterface voor een Machine Learning uitvoeringspijplijnactiviteit.

  3. Selecteer een bestaande of maak een nieuwe Azure Machine Learning gekoppelde service en geef details op van de pijplijn en het experiment en eventuele pijplijnparameters of gegevenspadtoewijzingen die vereist zijn voor de pijplijn.

Syntaxis

{
    "name": "Machine Learning Execute Pipeline",
    "type": "AzureMLExecutePipeline",
    "linkedServiceName": {
        "referenceName": "AzureMLService",
        "type": "LinkedServiceReference"
    },
    "typeProperties": {
        "mlPipelineId": "machine learning pipeline ID",
        "experimentName": "experimentName",
        "mlPipelineParameters": {
            "mlParameterName": "mlParameterValue"
        }
    }
}

Typeeigenschappen

Eigenschap Beschrijving Toegestane waarden Vereist
naam Naam van de activiteit in de pijplijn String Ja
type Het type activiteit is 'AzureMLExecutePipeline' String Ja
naam van de gekoppelde service Gekoppelde service aan Azure Machine Learning Referentie van gekoppelde service Ja
mlPipelineId Id van de gepubliceerde Azure Machine Learning-pijplijn Tekenreeks (of expressie met resultType van tekenreeks) Ja
experimentNaam Naam van uitvoeringsgeschiedenisexperiment van de Machine Learning-pijplijnuitvoering Tekenreeks (of expressie met resultType van tekenreeks) Nee
mlPipelineParameters Sleutel, waardeparen die dienen te worden doorgegeven aan het gepubliceerde Azure Machine Learning pipeline-eindpunt. Sleutels moeten overeenkomen met de namen van pijplijnparameters die zijn gedefinieerd in de gepubliceerde Machine Learning-pijplijn Object met sleutel-waardeparen (of expressie met resultType-object) Nee
mlParentRunId De bovenliggende uitvoering-id van de Azure Machine Learning-pijplijn Tekenreeks (of expressie met resultType van tekenreeks) Nee
toewijzingen van gegevenspaden Woordenlijst die wordt gebruikt voor het wijzigen van gegevenspaden in Azure Machine Learning. Hiermee schakelt u gegevenspaden over Object met sleutel-waardeparen Nee
continueOnStepFailure Of u wilt doorgaan met het uitvoeren van andere stappen in de Machine Learning pijplijnuitvoering als een stap mislukt boolean Nee

Notitie

Om de dropdown items in de Machine Learning pijplijnnaam en ID te vullen, moet de gebruiker de toestemming hebben om ML-pijplijnen te kunnen opsommen. De gebruikersinterface roept AzureMLService-API's rechtstreeks aan met behulp van de referenties van de aangemelde gebruiker. De detectietijd voor de vervolgkeuzelijstitems is veel langer bij het gebruik van privé-eindpunten.

Gerelateerde inhoud

Zie de volgende artikelen waarin wordt uitgelegd hoe u gegevens op andere manieren kunt transformeren:

  • Last updated on