Wykonywanie potoków usługi Azure Machine Edukacja w usługach Azure Data Factory i Synapse Analytics
DOTYCZY: Azure Data Factory Azure Synapse Analytics
Napiwek
Wypróbuj usługę Data Factory w usłudze Microsoft Fabric — rozwiązanie analityczne typu all-in-one dla przedsiębiorstw. Usługa Microsoft Fabric obejmuje wszystko, od przenoszenia danych do nauki o danych, analizy w czasie rzeczywistym, analizy biznesowej i raportowania. Dowiedz się, jak bezpłatnie rozpocząć nową wersję próbną !
Uruchom potoki usługi Azure Machine Learning jako krok w potokach usług Azure Data Factory i Synapse Analytics. Działanie Wykonaj potok usługi Machine Learning włącza scenariusze przewidywania partii, takie jak identyfikowanie możliwych wartości domyślnych pożyczek, określanie opinii i analizowanie wzorców zachowań klientów.
Poniższy film wideo zawiera sześciominutowe wprowadzenie i pokaz tej funkcji.
Tworzenie działania maszyny Edukacja wykonywanie potoku za pomocą interfejsu użytkownika
Aby użyć działania Machine Edukacja Execute Pipeline w potoku, wykonaj następujące kroki:
Wyszukaj ciąg Machine Edukacja w okienku Działania potoku i przeciągnij działanie Machine Edukacja Execute Pipeline (Wykonywanie potoku) na kanwę potoku.
Wybierz nowe działanie Machine Edukacja Execute Pipeline (Wykonywanie potoku) na kanwie, jeśli nie zostało jeszcze wybrane, a karta Ustawienia, aby edytować jego szczegóły.
Wybierz istniejącą lub utwórz nową połączoną usługę Azure Machine Edukacja i podaj szczegóły potoku i eksperymentu oraz wszystkie parametry potoku lub przypisania ścieżki danych wymagane dla potoku.
Składnia
{
"name": "Machine Learning Execute Pipeline",
"type": "AzureMLExecutePipeline",
"linkedServiceName": {
"referenceName": "AzureMLService",
"type": "LinkedServiceReference"
},
"typeProperties": {
"mlPipelineId": "machine learning pipeline ID",
"experimentName": "experimentName",
"mlPipelineParameters": {
"mlParameterName": "mlParameterValue"
}
}
}
Właściwości typu
Właściwości | opis | Dozwolone wartości | Wymagania |
---|---|---|---|
name | Nazwa działania w potoku | String | Tak |
type | Typ działania to "AzureMLExecutePipeline" | String | Tak |
linkedServiceName | Połączona usługa z usługą Azure Machine Edukacja | Dokumentacja połączonej usługi | Tak |
mlPipelineId | Identyfikator opublikowanego potoku usługi Azure Machine Edukacja | Ciąg (lub wyrażenie z wartością resultType ciągu) | Tak |
experimentName | Nazwa eksperymentu historii uruchamiania przebiegu potoku Edukacja maszyny | Ciąg (lub wyrażenie z wartością resultType ciągu) | Nie. |
mlPipelineParameters | Pary klucz, wartość do przekazania do opublikowanego punktu końcowego potoku usługi Azure Machine Edukacja. Klucze muszą być zgodne z nazwami parametrów potoku zdefiniowanych w opublikowanym potoku Edukacja maszyny | Obiekt z parami wartości klucza (lub wyrażenie z obiektem resultType) | Nie. |
mlParentRunId | Nadrzędny identyfikator uruchomienia potoku usługi Azure Machine Edukacja | Ciąg (lub wyrażenie z wartością resultType ciągu) | Nie. |
dataPathAssignments | Słownik używany do zmieniania ścieżek danych w usłudze Azure Machine Learning. Umożliwia przełączanie ścieżek danych | Obiekt z parami wartości klucza | Nie. |
continueOnStepFailure | Czy kontynuować wykonywanie innych kroków w przebiegu potoku Edukacja maszyny, jeśli krok zakończy się niepowodzeniem | boolean | Nie. |
Uwaga
Aby wypełnić elementy listy rozwijanej w polu Machine Edukacja nazwa potoku i identyfikator, użytkownik musi mieć uprawnienia do wyświetlania listy potoków uczenia maszynowego. Interfejs użytkownika wywołuje interfejsy API usługi AzureMLService bezpośrednio przy użyciu poświadczeń zalogowanego użytkownika.
Powiązana zawartość
Zapoznaj się z następującymi artykułami, które wyjaśniają sposób przekształcania danych na inne sposoby:
Opinia
https://aka.ms/ContentUserFeedback.
Dostępne już wkrótce: W 2024 r. będziemy stopniowo wycofywać zgłoszenia z serwisu GitHub jako mechanizm przesyłania opinii na temat zawartości i zastępować go nowym systemem opinii. Aby uzyskać więcej informacji, sprawdź:Prześlij i wyświetl opinię dla