Vowpal Wabbit Modelini Puanlama

Bu makalede, mevcut eğitilmiş Vowpal Wabbit modelini kullanarak bir dizi giriş verisi için puan oluşturmak üzere Azure Machine Learning tasarımcısında Vowpal Wabbit Modeli puan bileşeninin nasıl kullanılacağı açıklanmaktadır.

Bu bileşen, Vowpal Wabbit çerçevesinin en son sürümü olan sürüm 8.8.1'i sağlar. VW sürüm 8 biçiminde kaydedilmiş eğitilmiş bir modeli kullanarak verileri puanlarken bu bileşeni kullanın.

Score Vowpal Wabbit Modelini yapılandırma

1. Denemenize Score Vowpal Wabbit Model bileşenini ekleyin.

2. Eğitilmiş bir Vowpal Wabbit modeli ekleyin ve sol taraftaki giriş bağlantı noktasına bağlayın. Aynı denemede oluşturulan eğitilmiş modeli kullanabilir veya tasarımcının sol bölmesindeki Veri kümeleri kategorisinde kaydedilmiş bir modeli bulabilirsiniz. Ancak modelin Azure Machine Learning Tasarımcısı'nda kullanılabilir olması gerekir.

   Not

   Yalnızca Vowpal Wabbit 8.8.1 modelleri desteklenir; diğer algoritmalar kullanılarak eğitilen kaydedilmiş modelleri bağlayamazsınız.

3. Test veri kümesini ekleyin ve sağ giriş bağlantı noktasına bağlayın. Test veri kümesi test veri dosyasını içeren bir dizinse test veri dosyasının adını test veri dosyasının Adı ile belirtin. Test veri kümesi tek bir dosyaysa, Test veri dosyasının adı'nı boş bırakın.

4. VW bağımsız değişkenleri metin kutusuna Vowpal Wabbit yürütülebilir dosyasına bir dizi geçerli komut satırı bağımsız değişkeni yazın.

   Azure Machine Learning'de hangi Vowpal Wabbit bağımsız değişkenlerinin desteklendiği ve desteklenmediği hakkında bilgi için Teknik Notlar bölümüne bakın.

5. Test veri dosyasının adı: Giriş verilerini içeren dosyanın adını yazın. Bu bağımsız değişken yalnızca test veri kümesi bir dizin olduğunda kullanılır.

6. Dosya türünü belirtin: Eğitim verilerinizin hangi biçimi kullandığını belirtin. Vowpal Wabbit şu iki giriş dosyası biçimlerini destekler:

   • VW , Vowpal Wabbit tarafından kullanılan iç biçimi temsil eder. Ayrıntılar için Vowpal Wabbit wiki sayfasına bakın.
   • SVMLight , diğer bazı makine öğrenmesi araçları tarafından kullanılan bir biçimdir.

7. Etiketlerin puanlarla birlikte çıkışını almak istiyorsanız Etiket içeren ek bir sütun ekle seçeneğini belirleyin.

   Genellikle, metin verilerini işlerken Vowpal Wabbit etiket gerektirmez ve her veri satırı için yalnızca puanları döndürür.

8. Ham puanların sonuçlarıyla birlikte çıkışını almak istiyorsanız Ham puanlar içeren ek bir sütun ekleyin seçeneğini belirleyin.

9. İşlem hattını gönderin.

Sonuçlar

Eğitim tamamlandıktan sonra:

• Sonuçları görselleştirmek için Score Vowpal Wabbit Model bileşeninin çıkışına sağ tıklayın. Çıkış, 0'dan 1'e kadar normalleştirilmiş bir tahmin puanını gösterir.

• Sonuçları değerlendirmek için çıkış veri kümesinin Model Değerlendirme bileşeni gereksinimlerini karşılayan belirli puan sütun adlarını içermesi gerekir.

  • Regresyon görevi için değerlendirilecek veri kümesinin puanlanmış etiketleri temsil eden adlı Regression Scored Labelsbir sütunu olmalıdır.
  • İkili sınıflandırma görevi için değerlendirilecek veri kümesinin, puanlanmış etiketleri ve olasılıkları temsil eden adlı Binary Class Scored LabelsBinary Class Scored Probabilitiesiki sütunu olmalıdır.
  • Çoklu sınıflandırma görevi için değerlendirilecek veri kümesinin puanlanmış etiketleri temsil eden adlı Multi Class Scored Labelsbir sütunu olmalıdır.

  Score Vowpal Wabbit Modeli bileşeninin sonuçlarının doğrudan değerlendirilemeyeceğini unutmayın. Değerlendirmeden önce veri kümesinin yukarıdaki gereksinimlere göre değiştirilmesi gerekir.

Teknik notlar

Bu bölüm uygulama ayrıntılarını, ipuçlarını ve sık sorulan soruların yanıtlarını içerir.

Parametreler

Vowpal Wabbit algoritmaları seçmek ve ayarlamak için birçok komut satırı seçeneğine sahiptir. Bu seçeneklerin tam bir tartışması burada mümkün değildir; Vowpal Wabbit wiki sayfasını görüntülemenizi öneririz.

Aşağıdaki parametreler Azure Machine Learning stüdyosu (klasik) içinde desteklenmez.

• içinde belirtilen giriş/çıkış seçenekleri https://github.com/JohnLangford/vowpal_wabbit/wiki/Command-line-arguments

  Bu özellikler zaten bileşen tarafından otomatik olarak yapılandırılmıştır.

• Ayrıca, birden çok çıkış oluşturan veya birden çok giriş alan tüm seçeneklere izin verilmez. Bunlar , --cbtve --ldaiçerir--wap.

• Yalnızca denetimli öğrenme algoritmaları desteklenir. Bu, şu seçeneklere izin vermemektedir: –active, --rank, --search vb.

Yukarıda açıklananlar dışındaki tüm bağımsız değişkenlere izin verilir.

Sonraki adımlar

Bkz. Azure Machine Learning için kullanılabilen bileşenler kümesi.