Componente Aplicar Transformação
Este artigo descreve o componente no designer do Azure Machine Learning.
Use este componente para modificar um conjunto de dados de entrada com base em uma transformação calculada anteriormente. Esse componente é necessário se você precisar atualizar transformações em pipelines de inferência.
Por exemplo, se você tiver usado pontuações z para normalizar seus dados de treinamento usando o componente Normalizar Dados, também desejará usar o valor de pontuação z que foi calculado para treinamento durante a fase de pontuação. No Azure Machine Learning, você pode salvar o método de normalização como uma transformação e, em seguida, usar Aplicar Transformação para aplicar a pontuação z aos dados de entrada antes da pontuação.
Como salvar transformações
O designer permite salvar transformações de dados como conjuntos de dados para que você possa usá-los em outros pipelines.
Selecione um componente de transformação de dados que foi executado com êxito.
Selecione a guia Saídas + logs.
Localize a saída da transformação e selecione Registrar o conjunto de dados para salvá-lo como um componente na categoria Conjunto de dados na paleta de componentes.
Como usar o Aplicar Transformação
Adicione o componente Aplicar Transformação ao seu pipeline. Você pode encontrar este componente na seção Pontuação e Avaliação do Modelo da paleta de componentes.
Localize a transformação salva que você deseja usar em Conjuntos de dados na paleta de componentes.
Conecte a saída da transformação salva à porta de entrada à esquerda do componente Aplicar Transformação.
O conjunto de dados deve ter exatamente o mesmo esquema (número de colunas, nomes de colunas, tipos de dados) que o conjunto de dados para o qual a transformação foi projetada primeiro.
Conecte a saída do conjunto de dados do componente desejado à porta de entrada direita do componente Aplicar Transformação.
Para aplicar uma transformação ao novo conjunto de dados, envie o pipeline.
Importante
Para garantir que a transformação atualizada em pipelines de treinamento também seja viável em pipelines de inferência, você precisa seguir as etapas abaixo sempre que houver uma transformação atualizada no pipeline de treinamento:
- No pipeline de treinamento, registre a saída de Selecionar Colunas para Transformação como um conjunto de dados.
- No pipeline de inferência, remova o componente TD- e substitua-o pelo conjunto de dados registrado na etapa anterior.
Próximas etapas
Confira o conjunto de componentes disponíveis no Azure Machine Learning.