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).

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

  1. 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:

  2. 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.

  3. 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.

  4. 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:

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.

Ver também

Aprendizagem com Condes