Machine Learning Studio (clássico): Algoritmo e ajuda de módulos
Importante
O suporte para o Estúdio de ML (clássico) terminará a 31 de agosto de 2024. Recomendamos a transição para o Azure Machine Learning até essa data.
A partir de 1 de dezembro de 2021, não poderá criar novos recursos do Estúdio de ML (clássico). Até 31 de agosto de 2024, pode continuar a utilizar os recursos existentes do Estúdio de ML (clássico).
- Consulte informações sobre projetos de machine learning em movimento de ML Studio (clássico) para Azure Machine Learning.
- Saiba mais sobre Azure Machine Learning.
A documentação do Estúdio de ML (clássico) está a ser descontinuada e poderá não ser atualizada no futuro.
Dica
Os clientes que atualmente estejam a utilizar ou a avaliar o estúdio do Azure Machine Learning são incentivados a experimentar o estruturador do Azure Machine Learning, o qual lhe dá módulos de ML de arrastar e largar e, ainda, escalabilidade, controlo de versões e segurança empresarial.
Machine Learning Studio (clássico) é um serviço de análise preditiva em nuvem que permite criar e implementar rapidamente modelos preditivos como soluções de análise. As ferramentas de machine learning são na sua maioria serviços baseados na nuvem, o que elimina as preocupações de configuração e instalação porque você pode trabalhar através do seu navegador web em qualquer PC ligado à Internet. Veja o artigo, "O que é Studio (clássico)?" para mais detalhes.
Esta documentação contém informações técnicas detalhadas e de como fazer para os módulos que estão disponíveis no Machine Learning Studio (clássico).
- Inscreva-se no seu espaço de trabalho Machine Learning Studio (clássico) e iniciou.
O que é um módulo?
Cada módulo em Machine Learning Studio (clássico) representa um conjunto de código que pode funcionar de forma independente e executar uma tarefa de machine learning, dadas as entradas necessárias. Um módulo pode conter um algoritmo particular, ou executar uma tarefa que é importante na aprendizagem automática, como a substituição de valor em falta, ou a análise estatística.
No Studio (clássico), os módulos são organizados pela funcionalidade:
Os módulos de entrada e saída de dados fazem o trabalho de mover dados de fontes de nuvem para a sua experiência. Pode escrever os seus resultados ou dados intermédios para a Azure Armazenamento, uma base de dados SQL, ou Hive, durante uma experiência, ou usar o armazenamento em nuvem para trocar dados entre experiências.
Os módulos de transformação de dados suportam operações em dados exclusivos da aprendizagem automática, tais como a normalização ou a binificação de dados, a seleção de recursos e a redução da dimensionalidade.
Os algoritmos de aprendizagem automática, tais como clustering, máquina vetorial de suporte ou redes neurais, estão disponíveis dentro de módulos individuais que permitem personalizar a tarefa de aprendizagem automática com parâmetros apropriados. Para tarefas de classificação, pode escolher entre algoritmos binários ou multiclasses.
Depois de configurar o modelo, use um módulo de treino para executar dados através do algoritmo e meça a precisão do modelo treinado utilizando um dos módulos de avaliação. Para obter previsões do modelo que acabou de treinar, use um dos módulos de pontuação.
Deteção de anomalias: Machine Learning Studio (clássico) inclui vários algoritmos especializados para estas tarefas.
Os módulos de análise de texto suportam várias tarefas de processamento de linguagem natural.
O suporte vowpal Wabbit facilita a utilização desta plataforma escalável.
Os módulos de linguagem Python e R facilitam a execução de uma função personalizada. Escreve-se o código e incorpora-se num módulo, para integrar python e R com um serviço de experiências.
A biblioteca OpenCV fornece módulos para utilizar em tarefas específicas de reconhecimento de imagem.
A análise de séries de tempo suporta a deteção de anomalias em séries temporênciais.
Os módulos estatísticos fornecem uma grande variedade de métodos numéricos relacionados com a ciência dos dados. Procure neste grupo métodos de correlação, resumos de dados e operações estatísticas e matemáticas.
Nesta secção de referência, você encontrará fundo técnico sobre os algoritmos de aprendizagem automática, detalhes de implementação se disponíveis, e links para experiências de amostra que demonstram como o módulo é usado. Você pode baixar exemplos na Galeria Azure AI para o seu espaço de trabalho. Estes exemplos são para uso público.
Dica
Se você está se insinundo no Machine Learning Studio (clássico) e criou uma experiência, você pode obter informações sobre um módulo específico. Selecione o módulo e, em seguida, selecione o link de ajuda mais ajuda no painel de Ajuda Rápida .
Outras referências técnicas
| Section | Description |
|---|---|
| Lista de tipos de dados | Esta secção contém tópicos de referência que descrevem as interfaces do aprendiz e o DataTable formato utilizado para conjuntos de dados. |
| Lista de Exceções | Esta secção lista os erros que os módulos podem gerar, com causas e possíveis soluções alternativas. Para a lista de códigos de erro relacionados com a API do serviço web, consulte Machine Learning códigos de erro da API REST. |