Aplicar componente Transformação
Este artigo descreve um 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 usou z-scores para normalizar seus dados de treinamento usando o componente Normalizar dados, convém usar o valor z-score que foi calculado para treinamento durante a fase de pontuação também. No Aprendizado de Máquina do Azure, você pode salvar o método de normalização como uma transformação e, em seguida, usar Aplicar Transformação para aplicar o z-score aos dados de entrada antes de pontuar.
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 tenha sido executado com êxito.
Selecione o separador Saídas + registos.
Localize a saída da transformação e selecione o conjunto de dados Registrar para salvá-lo como um componente na categoria Conjuntos de dados na paleta de componentes.
Como usar o Apply Transformation
Adicione o componente Aplicar transformação ao seu pipeline. Você pode encontrar esse componente na seção Model Scoring & Evaluation da paleta de componentes.
Encontre 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 esquerda do componente Apply Transformation .
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 pela primeira vez.
Conecte a saída do conjunto de dados do componente desejado à porta de entrada correta do componente Apply Transformation .
Para aplicar uma transformação ao novo conjunto de dados, envie o pipeline.
Importante
Para garantir que a transformação atualizada nos pipelines de treinamento também seja viável nos pipelines de inferência, você precisa seguir as etapas abaixo sempre que houver transformação atualizada no pipeline de treinamento:
- No pipeline de treinamento, registre a saída da transformação Select Columns como um conjunto de dados.
- No pipeline de inferência, remova o componente TD- e substitua-o pelo conjunto de dados registrado na etapa anterior.
Próximos passos
Consulte o conjunto de componentes disponíveis para o Azure Machine Learning.