Compartilhar via


Pontuar o modelo Vowpal Wabbit versão 7-10

Importante

O suporte para o Machine Learning Studio (clássico) terminará em 31 de agosto de 2024. É recomendável fazer a transição para o Azure Machine Learning até essa data.

A partir de 1º de dezembro de 2021, você não poderá criar recursos do Machine Learning Studio (clássico). Até 31 de agosto de 2024, você pode continuar usando os recursos existentes do Machine Learning Studio (clássico).

A documentação do ML Studio (clássico) está sendo desativada e pode não ser atualizada no futuro.

Classificar dados usando o sistema de aprendizado de máquina Vowpal Wabbit a partir da interface da linha de comandos

Categoria: Análise de Texto

Observação

Aplica-se a: Machine Learning Studio (clássico) somente

Módulos semelhantes do tipo "arrastar e soltar" estão disponíveis no designer do Azure Machine Learning.

Visão geral do módulo

Este artigo descreve como usar o módulo Modelo Score Vowpal Wabbit versão 7-10 no Machine Learning Studio (clássico) para gerar pontuações para um conjunto de dados de entrada usando um modelo Vowpal Wabbit existente.

Este módulo usa a versão 7-10 da estrutura Vowpal Wabbit. Use este módulo para pontuar dados usando um modelo treinado que foi salvo no formato 7-10.

Se você tiver modelos existentes criados usando uma versão anterior, use estes módulos:

Para a versão mais recente do Vowpal Wabbit, use:

Como configurar o modelo Vowpal Wabbit de pontuação versão 7-10

  1. Adicione o módulo Pontuar Modelo Vowpal Wabbit versão 7-10 ao seu experimento.

  2. Adicione um modelo Vowpal Wabbit treinado e conecte-o à porta de entrada à esquerda. Você pode usar um modelo treinado criado no mesmo experimento ou localizar um modelo salvo no painel de navegação esquerdo do Studio (clássico) dos Modelos Treinados.

    Restrições

    O modelo deve estar disponível no Machine Learning Studio (clássico); você não pode carregar diretamente um modelo do armazenamento do Azure.

    Há suporte apenas para os modelos Vowpal Wabbit 7-10; você não pode conectar modelos salvos que foram treinados usando outros algoritmos e não pode usar modelos que foram treinados usando versões anteriores ou posteriores.

  3. Na caixa de texto Argumentos de VW, digite um conjunto de argumentos de linha de comando válidos para o executável do Vowpal Wabbit.
    Para obter informações sobre quais argumentos Vowpal Wabbit têm suporte e não têm suporte no Machine Learning, consulte a seção Notas técnicas.

  4. Clique em Especificar tipo de dados e selecione um dos tipos de dados com suporte na lista.

    A pontuação requer uma única coluna de dados compatíveis com VW.

    Se você tiver um arquivo existente que foi criado nos formatos SVMLight ou VW, poderá carregá-lo no workspace do Azure ML como um novo conjuntos de dados em um destes formatos: CSV genérico sem header, TSV sem header.

    A opção VW requer que um rótulo seja presente, mas não é usado na pontuação, exceto para comparação.

  5. Adicione o módulo Importar Dados e conecte-o à porta de entrada à direita de Score Vowpal Wabbit versão 7-10. Configure a importação de dados para acessar os dados de entrada.

    Os dados de entrada para pontuação devem ter sido preparados com antecedência em um dos formatos com suporte e armazenados no armazenamento de blob do Azure.

  6. Selecione a opção Incluir uma coluna extra que contém rótulos, se você quiser gerar rótulos junto com as pontuações.

    Normalmente, ao manipular dados de texto, Vowpal Wabbit não exige rótulos e retorna apenas as pontuações para cada linha de dados.

  7. Selecione a opção Usar resultados armazenados em cache, se você quiser rea usar os resultados de uma sequência anterior, supondo que as seguintes condições sejam atendidas:

    • Existe um cache válido de uma versão anterior.

    • As configurações de parâmetros e dados de entrada do módulo não foram alteradas desde a versão anterior.

    Caso contrário, o processo de importação será repetido sempre que o experimento for executado.

  8. Execute o experimento.

Resultados

Após a conclusão do treinamento:

A saída indica uma pontuação de previsão normalizada de 0 a 1.

Exemplos

Para exemplos de como Vowpal Wabbit pode ser usado no aprendizado de máquina, consulte o Galeria de IA do Azure:

  • Exemplo de Vowpal Wabbit

    Este experimento demonstra a preparação, o treinamento e a operacionalização de dados de um modelo VW.

O vídeo a seguir fornece um passo a passo do processo de treinamento e pontuação para Vowpal Wabbit:

https://azure.microsoft.com/documentation/videos/text-analytics-and-vowpal-wabbit-in-azure-ml-studio/

Observações técnicas

Essa seção contém detalhes de implementação, dicas e respostas para perguntas frequentes.

Parâmetros

O Vowpal Wabbit tem muitas opções de linha de comando para escolher e ajustar algoritmos. Uma discussão completa sobre essas opções não é possível aqui; recomendamos que você exiba a Página Wiki Vowpal Wabbit.

Os parâmetros a seguir não têm suporte no Machine Learning Studio (clássico).

  • As opções de entrada/saída especificadas em https://github.com/JohnLangford/vowpal_wabbit/wiki/Command-line-arguments

    Essas propriedades já estão configuradas automaticamente pelo módulo.

  • Além disso, qualquer opção que gera várias saídas ou usa várias entradas não é permitida. Elas incluem --cbt, --lda e --wap.

  • Há compatibilidade apenas com algoritmos de aprendizado supervisionados. Isso não permite estas opções: –active, --rank, --search etc.

Todos os argumentos que não sejam os descritos acima são permitidos.

Entradas esperadas

Nome Tipo Descrição
Modelo treinado Interface ILearner Aprendiz treinado
Dataset Tabela de Dados Conjunto de dados a ser classificado

Parâmetros do módulo

Nome Intervalo Type Padrão Descrição
Argumentos VW Qualquer String nenhum Argumentos do tipo Vowpal Wabbit.

Os seguintes argumentos não têm suporte:

- -i
- -p ou
- -t
Inclua uma coluna extra que contenha rótulos Verdadeiro/Falso Boolean false Especifique se o arquivo compactado deve incluir rótulos com as previsões
Especifique o tipo de dados VW

SVMLight
Tipo de dados VW Indica se o formato de arquivo é SVMLight ou Vowpal Wabbit

Saídas

Nome Tipo Descrição
Conjunto de dados de resultados Tabela de Dados Conjunto de dados com os resultados da previsão

Exceções

Exceção Descrição
Erro 0001 Ocorrerá uma exceção se uma ou mais das colunas especificadas do conjunto de dados não puder ser encontrada.
Erro 0003 Ocorrerá uma exceção se uma ou mais das entradas for nula ou estiver vazia.
Erro 0004 Ocorrerá uma exceção se o parâmetro for inferior ou igual ao valor específico.
Erro 0017 Ocorrerá uma exceção se uma ou mais das colunas especificadas tiver um tipo sem suporte por módulo atual.

Para ver uma lista de erros específicos dos módulos do Studio (clássico), consulte Machine Learning Códigos de erro.

Para ver uma lista de exceções de API, consulte Machine Learning códigos de erro da API REST.

Confira também

Análise de Texto
Hash de Recursos
Reconhecimento de entidade nomeada
Pontuar o modelo Vowpal Wabbit 7-4
Treinar o modelo Vowpal Wabbit 7-4
Treinar o modelo Vowpal Wabbit 7-10
Lista de Módulo A-Z