Fusão Contagem Transform
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.
Cria um conjunto de funcionalidades baseadas numa tabela de contagem
Categoria: Aprendizagem com Condes
Nota
Aplica-se a: Machine Learning Studio (clássico) apenas
Módulos semelhantes de arrasto e queda estão disponíveis em Azure Machine Learning designer.
Visão geral do módulo
Este artigo descreve como usar o módulo Merge Count Transform em Machine Learning Studio (clássico), para combinar dois conjuntos de funcionalidades baseadas na contagem. Ao fundir dois conjuntos de contagens e funcionalidades relacionadas, pode potencialmente melhorar a cobertura e distribuição das funcionalidades.
Aprendizagem de contagem é particularmente útil em grandes conjuntos de dados com características de alta cardinalidade. A capacidade de combinar vários conjuntos de dados em conjuntos de funcionalidades baseados na contagem sem ter de reprocessar os conjuntos de dados facilita a recolha de estatísticas em conjuntos de dados muito grandes e aplicá-los a novos conjuntos de dados. Por exemplo, as tabelas de contagem podem ser usadas para recolher informações sobre terabytes de dados. Pode reutilizar essas estatísticas para melhorar a precisão dos modelos preditivos em pequenos conjuntos de dados.
Para fundir dois conjuntos de funcionalidades baseadas na contagem, as funcionalidades devem ter sido criadas usando tabelas que tenham o mesmo esquema: ou seja, ambos os conjuntos devem usar as mesmas colunas e ter os mesmos nomes e tipos de dados.
Como configurar a Fusão Contagem Transform
Para utilizar a Merge Count Transform, deve ter criado pelo menos uma transformação baseada na contagem, e essa transformação deve estar presente no seu espaço de trabalho. Se guardou uma transformação baseada na contagem de uma experiência diferente, procure no grupo Transforms . Se criou a transformação na experiência atual, ligue as saídas dos seguintes módulos:
Construir a transformação da contagem. Cria uma nova transformação baseada na contagem a partir de dados de origem.
Modifique os parâmetros da tabela de contagem. Requer uma transformação de contagem existente como entrada e produz uma transformação atualizada.
Tabela de Contagem de Importações. Este módulo suporta a retrocompatibilidade com experiências mais antigas que usavam aprendizagem baseada na contagem. Se usou a Tabela de Contagem de Importações para analisar a distribuição de valores num conjunto de dados e, em seguida, converteu os valores em funcionalidades utilizando o módulo Conde Preifrizado, utilize a Tabela de Contagem de Importações para converter os resultados numa transformação.
Adicione o módulo Merge Count Transform à experiência e conecte uma transformação a cada entrada.
Dica
A segunda transformação é uma entrada opcional – pode ligar a mesma transformação duas vezes, ou não ligar nada na segunda porta de entrada.
Se não quiser que o segundo conjunto de dados seja ponderado igualmente com o primeiro, especifique um valor para o fator Decadência. O valor que digita indica como o conjunto de características da segunda transformação deve ser ponderado.
Por exemplo, o valor predefinido de 1 pesos ambos os conjuntos de características igualmente. Um valor de .5 significa que as características do segundo conjunto teriam metade do peso dos do primeiro conjunto.
Opcionalmente, adicione uma instância do módulo De Transformação De Aplicar e aplique a transformação a um conjunto de dados.
Exemplos
Por exemplo, de como este módulo é utilizado, consulte a Galeria Azure AI:
Aprendizagem com Condes: Classificação Binária: Demonstra como usar a aprendizagem com módulos de contagem para gerar características de colunas de valores categóricos para um modelo de classificação binário.
Aprendizagem com Counts: Classificação multiclasse com dados de táxi nyc: Demonstra como usar a aprendizagem com módulos de contagem para executar classificação multiclasse no conjunto de dados de táxi de NYC publicamente disponível. A amostra utiliza um aprendiz de regressão logística multiclasse para modelar este problema.
Aprendizagem com Condes: Classificação binária com dados de táxi nyc: Demonstra como usar a aprendizagem com módulos de contagem para realizar classificação binária no conjunto de dados de táxi de NYC disponível publicamente. A amostra usa um aprendiz de regressão logística de duas classes para modelar o problema.
Entradas esperadas
| Nome | Tipo | Description |
|---|---|---|
| Transformação de contagem anterior | Interface ITransform | A contagem transforma-se para editar |
| Nova transformação de contagem | Interface ITransform | A transformação de contagem para adicionar (opcional) |
Parâmetros do módulo
| Nome | Tipo | Intervalo | Opcional | Descrição | Predefinição |
|---|---|---|---|---|---|
| Fator de decadência | Float | Necessário | 1.0f | O fator de decadência a ser multiplicado à transformação de contagem na porta de entrada certa |
Saídas
| Nome | Tipo | Description |
|---|---|---|
| Transformação de contagem fundida | Interface ITransform | A transformação fundida |
Exceções
| Exceção | Description |
|---|---|
| Erro 0003 | A exceção ocorre se uma ou mais entradas forem nulas ou vazias. |
| Erro 0086 | A exceção ocorre quando uma transformação de contagem é inválida. |