Udostępnij za pośrednictwem

Lista A–Z modułów Machine Learning Studio (klasyczna)

  • Artykuł

Ważne

Obsługa programu Machine Learning Studio (wersja klasyczna) zakończy się 31 sierpnia 2024 r. Zalecamy przejście do usługi Azure Machine Learning przed tym terminem.

Od 1 grudnia 2021 r. nie będzie można tworzyć nowych zasobów programu Machine Learning Studio (wersja klasyczna). Do 31 sierpnia 2024 r. można będzie nadal korzystać z istniejących zasobów programu Machine Learning Studio (wersja klasyczna).

Dokumentacja programu ML Studio (wersja klasyczna) jest wycofywana i może nie być aktualizowana w przyszłości.

Porada

Klienci korzystający obecnie z usługi Machine Learning Studio (wersja klasyczna) lub przeprowadzający jej ewaluację mogą wypróbować projektanta usługi Azure Machine Learning, który udostępnia przeciąganie i upuszczanie modułów ML oraz skalowalność, kontrolę wersji i zabezpieczenia przedsiębiorstwa.

Moduły obejmują szeroką gamę funkcji i funkcji niezbędnych do wykonywania zadań uczenia maszynowego:

  • Funkcje konwersji danych
  • Funkcje przekształcania danych
  • Moduły do wykonywania skryptu języka R lub Python
  • Algorytmy, w tym:
    • Drzewa decyzyjne
    • Lasy decyzyjne
    • Klastrowanie
    • szereg czasowy
    • Modele rekomendacji
    • Wykrywanie anomalii

Aby znaleźć moduł:

  • Jeśli znasz nazwę modułu, użyj tabeli alfabetycznej jako indeksu, aby szybko znaleźć określony moduł lub algorytm.
  • Aby uzyskać listę modułów według kategorii funkcjonalnych, zobacz Kategorie i opisy modułów.

Alfabetyczna tabela modułów

Nazwa modułu Opis
Dodawanie kolumn Dodaje zestaw kolumn z jednego zestawu danych do innego.
Dodawanie wierszy Dołącza zestaw wierszy z wejściowego zestawu danych na końcu innego zestawu danych.
Zastosuj filtr Stosuje filtr do określonych kolumn zestawu danych.
Stosowanie operacji matematycznej Stosuje operację matematyczną do wartości kolumn.
Stosowanie przekształcenia SQL Uruchamia zapytanie SQLite w wejściowych zestawach danych, aby przekształcić dane.
Stosowanie przekształcenia Stosuje dobrze określone przekształcenie danych do zestawu danych.
Przypisywanie danych do klastrów Przypisuje dane do klastrów przy użyciu istniejącego wytrenowany model klastrowania.
Bayesyjska regresja liniowa Tworzy model regresji liniowej bayesów.
Regresja wzmocnionego drzewa decyzyjnego Tworzy model regresji przy użyciu algorytmu wzmacnianego drzewa decyzyjnego.
Przekształcanie zliczania kompilacji Tworzy liczby służące do tworzenia funkcji.
Czyszczenie brakujących danych Określa sposób obsługi wartości, których brakuje w zestawie danych.
Obcinanie wartości Wykrywa wartości odejmowe, a następnie klipuje lub zastępuje ich wartości.
Obliczanie statystyk podstawowych Oblicza określone statystyki podsumowujące dla wybranych kolumn zestawu danych.
Wykrywanie języków Wykrywa język każdego wiersza w pliku wejściowym.
Korelacja liniowa obliczeń Oblicza liniową korelację między wartościami kolumn w zestawie danych.
Konwertowanie na ARFF Konwertuje dane wejściowe na format pliku relacji atrybutu używany przez zestaw narzędzi Weka.
Konwertowanie na plik CSV Konwertuje dane wejściowe na format wartości rozdzielanych przecinkami.
Konwertowanie na zestaw danych Konwertuje dane wejściowe na wewnętrzny format zestawu danych, który jest używany przez Machine Learning.
Konwertowanie na wartości wskaźnika Konwertuje wartości kategorii w kolumnach na wartości wskaźników.
Konwertowanie na format SVMLight Konwertuje dane wejściowe na format używany przez platformę SVMlight.
Konwertowanie na TSV Konwertuje dane wejściowe na format rozdzielany tabulatorami.
Tworzenie modelu R Tworzy model R przy użyciu zasobów niestandardowych.
Krzyżowe weryfikowanie modelu Krzyżowe sprawdzanie poprawności oszacowań parametrów dla modeli klasyfikacji lub regresji przez partycjonowanie danych.
Regresja lasu decyzyjnego Tworzy model regresji przy użyciu algorytmu lasu decyzyjnego.
Wykrywanie języków Wykrywa język każdego wiersza w pliku wejściowym.
Edytowanie metadanych Edytuje metadane skojarzone z kolumnami w zestawie danych.
Ręczne wprowadzanie danych Umożliwia wprowadzanie i edytowanie małych zestawów danych przez wpisywanie wartości.
Ocena modelu Ocenia oceniony model klasyfikacji lub regresji przy użyciu metryk standardowych.
Funkcja Evaluate Probability Pasuje do określonej funkcji rozkładu prawdopodobieństwa do zestawu danych.
Ocena modułu poleceń Ocenia dokładność prognoz modelu polecania.
Wykonywanie skryptu w języku Python Wykonuje skrypt języka Python z Machine Learning eksperymentu.
Wykonywanie skryptu języka R Wykonuje skrypt w języku R z Machine Learning eksperymentu.
Eksportowanie tabeli zliczanych Eksportuje liczby z przekształcenia liczby.
Eksportowanie danych Zapisuje zestaw danych w internetowych adresach URL lub w różnych formach magazynu opartego na chmurze na platformie Azure, takich jak tabele, obiekty blob i Azure SQL bazy danych.

Ten moduł był wcześniej nazwany Writer.
Wyodrębnianie kluczowych fraz z tekstu Wyodrębnia kluczowe słowa i frazy z kolumny tekstowej.
Wyodrębnianie cech n-gramów z tekstu Tworzy funkcje słownika N-Gram, a następnie na nich zaznacza cechy.
Szybka regresja kwantylowa lasu decyzyjnego Tworzy model regresji kwantylu.
Tworzenie skrótów funkcji Konwertuje dane tekstowe na funkcje zakodowane w postaci liczb całkowitych przy użyciu biblioteki Vowpal Wabbit.
Wybór funkcji oparty na filtrze Identyfikuje funkcje w zestawie danych, które mają największą moc predykcyjną.
Filtr FIR Tworzy filtr odpowiedzi z skończonym impulsem do przetwarzania sygnału.
Fisher Linear Discriminant Analysis Identyfikuje liniową kombinację zmiennych cech, które najlepiej grupuje dane w oddzielne klasy.
Grupowanie wartości kategorii Grupuje dane z wielu kategorii w nową kategorię.
Grupowanie danych w pojemniki Umieszcza dane liczbowe w pojemnikach.
Filtr IIR Tworzy nieskończony filtr odpowiedzi z impulsem do przetwarzania sygnału.
Import Count Table Importuje liczby z istniejącej tabeli count.
Importowanie danych Ładuje dane ze źródeł zewnętrznych w Internecie lub z różnych form magazynu opartego na chmurze na platformie Azure, takich jak tabele, obiekty blob, bazy danych SQL i usługa Azure Cosmos DB. Może ładować dane z lokalnej bazy SQL Server, jeśli brama została skonfigurowana.

Ten moduł był wcześniej nazwany Czytelnik.
Importowanie obrazów Ładuje obrazy z usługi Azure Blob Storage do zestawu danych.
Łączenie danych Łączy dwa zestawy danych.
Klastrowanie metodą k-średnich Konfiguruje i inicjuje model klastrowania k-węzłów.
Alokacja ukrytej zmiennej Dirichleta Modeluje temat przy użyciu biblioteki Vowpal Wabbit dla alokacji Latenta Dirichleta (LDA).
Regresja liniowa Tworzy model regresji liniowej.
Load Trained Model Pobiera wytrenowany model, który umożliwia ocenianie w eksperymencie.
Filtr mediany Tworzy filtr mediany, który służy do wygładzenia danych na podstawie analizy trendów.
Scalanie przekształcenia liczby Scala dwa zestawy tabel zliczania.
Modyfikowanie parametrów zliczanych tabel Tworzy kompaktowy zestaw funkcji opartych na liczbach na podstawie tabel zliczania.
Filtr średniej ruchomej Tworzy filtr średniej ruchomej, który wygładzić dane na podstawie analizy trendu.
Wieloklasowy las decyzyjny Tworzy wieloklasowy model klasyfikacji przy użyciu algorytmu lasu decyzyjnego.
Wieloklasowe decyzje Tworzy wieloklasowy model klasyfikacji przy użyciu algorytmu algorytmu podejmowania decyzji.
Wieloklasowa regresja logistyczna Tworzy wieloklasowy model klasyfikacji regresji logistycznej.
Wieloklasowa sieć neuronowa Tworzy model klasyfikacji wieloklasowej przy użyciu algorytmu sieci neuronowej.
Rozpoznawanie jednostek nazwanych Rozpoznaje nazwane jednostki w kolumnie tekstowej.
Regresja sieci neuronowej Tworzy model regresji przy użyciu algorytmu sieci neuronowej.
Normalizowanie danych Ponowne skalowanie danych liczbowych w celu ograniczenia wartości zestawu danych do zakresu standardowego.
Jednoklasowa maszyna wektorów wsparcia Tworzy jednoklasowy model maszyny wektora wsparcia na rzecz wykrywania anomalii.
moduł wieloklasowy „jeden przeciw wszystkim” Tworzy model klasyfikacji wieloklasowej z zestawu binarnych modeli klasyfikacji.
Regresja porządkowa Tworzy model regresji porządkowej.
Partycjonowanie i próbkowanie Tworzy wiele partycji zestawu danych na podstawie próbkowania.
Ważność funkcji permutacji Oblicza oceny ważności funkcji permutacji zmiennych cech w wytrenowany model i testowy zestaw danych.
Wykrywanie anomalii oparte na analizie głównych składowych Tworzy model wykrywania anomalii przy użyciu analizy głównych składników (PCA).
Regresja Poissona Tworzy model regresji, który zakłada, że dane mają rozkład Poissona.
Wstępne przetwarzanie tekstu Wykonuje operacje czyszczenia tekstu.
Wstępnie wytrenowana kaskadowa klasyfikacja obrazów Tworzy wstępnie wytrenowany model klasyfikacji obrazów dla twarzy frontalnych przy użyciu biblioteki OpenCV.
Analiza głównych składników Oblicza zestaw cech, które mają ograniczoną wymiarowość, aby uzyskać bardziej wydajne uczenie.
Usuwanie zduplikowanych wierszy Usuwa zduplikowane wiersze z zestawu danych.
Zastępowanie wartości dyskretnych Zamienia wartości dyskretne z jednej kolumny na wartości liczbowe oparte na innej kolumnie.
Score Matchbox Recommender Ocenia przewidywania dla zestawu danych przy użyciu polecenia Matchbox.
Klasyfikacja modelu Ocenia przewidywania dla wytrenowania klasyfikacji lub modelu regresji.
Ocena modelu Vowpal Wabbit 7-4 Ocenia dane przy użyciu systemu uczenia maszynowego Vowpal Wabbit.

Wymaga wytrenowany model sbudowaną przy użyciu Vowpal Wabbit w wersji 7-4 i 7-6.
Score Vowpal Wabbit 7-10 Model Ocenia dane przy użyciu systemu uczenia maszynowego Vowpal Wabbit.

Wymaga wytrenowany model sbudowaną przy użyciu Vowpal Wabbit w wersji 7-10.
Score Vowpal Wabbit 8 Model Ocenia dane przy użyciu systemu uczenia maszynowego Vowpal Wabbit z interfejsu wiersza polecenia.

Wymaga wytrenowany model sbudowaną przy użyciu Vowpal Wabbit w wersji 8.
Wybieranie kolumn w zestawie danych Wybiera kolumny do dołączyć do zestawu danych lub wykluczyć je z zestawu danych w operacji.
SMOTE Zwiększa liczbę przykładów o niskiej częstotliwości w zestawie danych przy użyciu syntetyczną próbkowania.
Dzielenie danych Partycjonuje wiersze zestawu danych na dwa odrębne zestawy.
Podsumowywanie danych Generuje podstawowy raport statystyk opisowych dla kolumn w zestawie danych.
Czyszczenie klastrów Wykonuje czyszczenie parametrów w modelu klastrowania, aby określić optymalne ustawienia parametrów.
Testowanie hipotezy przy użyciu testu T-Test Porównuje środki z dwóch zestawów danych przy użyciu testu t.
Filtr progu Tworzy filtr progu, który ogranicza wartości.
Wykrywanie anomalii szeregów czasu Poznaje trend w danych szeregów czasowych, a następnie używa tego trendu do wykrywania anomalii.
Trenowanie modelu wykrywania anomalii Trenuje model detektora anomalii, a następnie etykietuje dane z zestawu treningowego.
Trenowanie modelu klastrowania Trenuje model klastrowania, a następnie przypisuje dane z zestawu treningowego do klastrów.
Train Matchbox Recommender Szkoli algorytm rekomendacji Bayesa przy użyciu algorytmu Matchbox.
Trenowanie modelu Trenuje model klasyfikacji lub regresji w trybie nadzorowym.
Trenowanie modelu Vowpal Wabbit 7-4 Trenuje model z systemu uczenia maszynowego Vowpal Wabbit.

Ten moduł zapewnia zgodność z platformą Vowpal Wabbit w wersjach 7–4 i 7–6.
Trenowanie modelu Vowpal Wabbit 7-10 Trenuje model z systemu uczenia maszynowego Vowpal Wabbit.

Ten moduł jest dla usługi Vowpal Wabbit w wersji 7–10.
Trenowanie modelu Vowpal Wabbit 8 Trenuje model przy użyciu wersji 8 systemu uczenia maszynowego Vowpal Wabbit.

Ten moduł jest dla usługi Vowpal Wabbit w wersji 8.
Dostrajanie hiperparametrów modelu Wykonuje czyszczenie parametrów regresji lub modelu klasyfikacji, aby określić optymalne ustawienia parametrów.
Dwuklasowy uśredniony perceptron Tworzy uśredniony binarny model klasyfikacji perceptronu.
Dwuklasowa maszyna typu Bayes Point Tworzy model klasyfikacji binarnej komputera punktu Bayesa.
Two-Class Boosted Decision Tree (Dwuklasowe wzmocnione drzewo decyzyjne) Tworzy klasyfikator binarny przy użyciu algorytmu wzmacnianego drzewa decyzyjnego.
Dwuklasowy las decyzyjny Tworzy dwuklasowy model klasyfikacji przy użyciu algorytmu lasu decyzyjnego.
Two-Class Decision Zamów Tworzy dwuklasowy model klasyfikacji przy użyciu algorytmu algorytmu podejmowania decyzji.
Dwuklasowa maszyna wektorów wsparcia lokalnie głębokiego Tworzy binarny model klasyfikacji przy użyciu algorytmu komputera wektorów wsparcia lokalnego.
Dwuklasowa regresja logistyczna Tworzy dwuklasowy model regresji logistycznej.
Dwuklasowa sieć neuronowa Tworzy klasyfikator binarny przy użyciu algorytmu sieci neuronowej.
Two-Class Support Vector Machine (Dwuklasowa maszyna wektorów nośnych) Tworzy binarny model klasyfikacji przy użyciu algorytmu maszyny wektora wsparcia.
Rozpakowywanie zamapowanych zestawów danych Rozpakowuje zestawy danych z pakietu .zip w magazynie użytkowników.
Filtr zdefiniowany przez użytkownika Tworzy niestandardowy skończony lub nieskończony filtr odpowiedzi z impulsem.

Zobacz też