Läs på engelska

Dela via

ML Studio-moduldatatyper (klassisk)

  • Artikel
  • 2018-01-31

Viktigt

Stödet för Machine Learning Studio (klassisk) upphör den 31 augusti 2024. Vi rekommenderar att du byter till Azure Machine Learning innan dess.

Från och med den 1 december 2021 kan du inte längre skapa nya Machine Learning Studio-resurser (klassisk). Du kan fortsätta att använda befintliga Machine Learning Studio-resurser (klassisk) till och med den 31 augusti 2024.

Dokumentationen om ML Studio (klassisk) håller på att dras tillbaka och kanske inte uppdateras i framtiden.

I den här artikeln beskrivs de .NET-datatyper som stöds i Machine Learning Studio (klassisk) för externa data. Den beskriver också de anpassade datatypklasser som används för att skicka data mellan moduler i ett experiment.

Tabell med .NET-datatyper

Följande .NET-typer stöds av Machine Learning Studio-moduler (klassisk).

.NET-datatyp Kommentarer
Boolesk https://msdn.microsoft.com/library/wts33hb3.aspx
Int16 https://msdn.microsoft.com/library/system.int16(v=vs.110).aspx
Int32 https://msdn.microsoft.com/library/06bkb8w2.aspx
Int64 https://msdn.microsoft.com/library/system.int64.aspx
Enkel https://msdn.microsoft.com/library/system.single(v=vs.110).aspx
Double https://msdn.microsoft.com/library/system.double(v=vs.110).aspx
Sträng https://msdn.microsoft.com/library/system.string(v=vs.110).aspx
datetime https://msdn.microsoft.com/library/system.datetime(v=vs.110).aspx
DateTimeOffset https://msdn.microsoft.com/library/system.datetimeoffset(v=vs.110).aspx
TimeSpan https://msdn.microsoft.com/library/system.timespan(v=vs.110).aspx
Byte https://msdn.microsoft.com/library/system.byte(v=vs.110).aspx
Byte[] https://msdn.microsoft.com/library/system.byte.aspx
GUID GUID konverteras till strängar på indata

Tabell med anpassade datatyper

Dessutom stöder Machine Learning Studio (klassisk) följande anpassade dataklasser.

Datatyp Beskrivning
Datatabell DataTable-gränssnittet definierar strukturen för alla datauppsättningar som används i Machine Learning.
ICluster-gränssnitt ICluster-gränssnittet definieras strukturen för klustringsmodeller.
IFilter-gränssnitt IFilter-gränssnittet definierar strukturen för digitala signalbearbetningsfilter som tillämpas på en hel serie numeriska värden. Filter kan skapas och sedan sparas och tillämpas på en ny serie.
ILearner-gränssnitt ILearner-gränssnittet ger en allmän struktur för att definiera och spara analytiska modeller, exklusive vissa särskilda typer, till exempel klustringsmodeller.
ITransform-gränssnitt ITransform-gränssnittet har du en allmän struktur för att definiera och spara transformationer. Du kan skapa en iTransform med Machine Learning Studio (klassisk) och sedan tillämpa transformeringen på nya datauppsättningar.

Se även

Machine Learning Studio (klassisk)