Verileri Dışarı Aktarma

Önemli

Machine Learning Stüdyosu (klasik) desteği 31 Ağustos 2024'te sona erecektir. Bu tarihe kadar Azure Machine Learning'e geçmenizi öneririz.

1 Aralık 2021'den başlayarak artık yeni Machine Learning Stüdyosu (klasik) kaynakları oluşturamayacaksınız. 31 Ağustos 2024'e kadar mevcut Machine Learning Stüdyosu (klasik) kaynaklarını kullanmaya devam edebilirsiniz.

• makine öğrenimi projelerini ML Studio (klasik) konumundan Azure Machine Learning taşımaya yönelik bilgilerebakın.
• Azure Machine Learninghakkında daha fazla bilgi edinin.

ML Stüdyosu (klasik) belgeleri kullanımdan kaldırılacak ve gelecekte güncelleştirilmeyecektir.

Azure 'da tablolar, bloblar ve Azure SQL veritabanları gibi çeşitli bulut tabanlı depolama formlarına veri kümesi yazar

Kategori: veri girişi ve çıkışı

Not

uygulama hedefi: yalnızca Machine Learning Studio (klasik)

benzer sürükle ve bırak modülleri Azure Machine Learning tasarımcısındakullanılabilir.

Modüle genel bakış

bu makalede, denemeleri studio (klasik) Machine Learning dışında bulut depolama hedeflerine, sonuçları, ara verileri ve çalışma verilerini kaydetmek için Machine Learning Studio 'daki (klasik) verileri dışarı aktarma modülünün nasıl kullanılacağı açıklanır.

Bu modül, verilerinizi aşağıdaki bulut veri hizmetlerine vermeyi veya kaydetmeyi destekler:

• Hive sorgusuna aktar: bir HDInsight Hadoop kümesindeki Hive tablosuna veri yazma.

• Azure SQL Veritabanı dışarı aktarma: verileri Azure SQL Veritabanı veya Azure SQL Data Warehouse kaydedin.

• Azure tablosuna aktarma: verileri Azure 'daki tablo depolama hizmetine kaydedin. Tablo depolaması, büyük miktarlarda veri depolamak için uygundur. Ölçeklenebilir, pahalı ve yüksek oranda kullanılabilir olan tablolu bir biçim sağlar.

• Azure Blob Depolama dışarı aktarma: verileri Azure 'daki Blob hizmetine kaydeder. Bu seçenek görüntüler, yapılandırılmamış metin veya ikili veriler için kullanışlıdır. Blob hizmetindeki veriler, genel olarak paylaşılabilir veya güvenli uygulama veri depolarında kaydedilebilir.

Not

Veri aktarma modülü, "güvenli aktarım gerekli" seçeneği etkinse Azure Blob depolama hesabına bağlanmayı desteklemez.

İlişkili görevler

• Verileri indir: verilerinizi Excel veya başka bir uygulamada açabilmek için, CSV 'ye dönüştür veya TSV 'e dönüştür gibi bir modül kullanarak verileri belirli bir biçimde hazırlayın ve sonra verileri indirin.

• Bir veri kümesini çıkaran herhangi bir modülün sonucunu, çıkışa sağ tıklayıp veri kümesini indir' i seçerek indirebilirsiniz. Varsayılan olarak, veriler CSV biçiminde verilir.

• Modül tanımını veya deneme grafiğini indirin: Yeni bir PowerShell kitaplığı, denemenizin tüm meta verilerini veya belirli bir modülün ayrıntılarını indirmenizi sağlar. Machine Learning kitaplığı için PowerShell, deneysel bir sürümdür, ancak birçok yararlı cmdlet 'e sahiptir:

  • Get-AmlExperiment çalışma alanındaki tüm denemeleri listeler.
  • Export-AmlExperimentGraph bir JSON dosyasına tüm denemenin tanımını dışa aktarır.
  • Download-AmlExperimentNodeOutput herhangi bir modülün çıkış bağlantı noktalarında belirtilen bilgileri ayıklamanıza olanak sağlar.

Dışarı aktarma verilerini yapılandırma

1. Veri dışa aktarma modülünü Studio 'daki denemenize (klasik) ekleyin. Bu modülü giriş ve çıkış kategorisinde bulabilirsiniz.

2. dışarı aktarmak istediğiniz verileri içeren modüle verileri dışarı aktarma Bağlan.

3. Verileri dışarı aktar ' a çift tıklayarak Özellikler bölmesini açın.

4. Veri hedefiiçin, verilerinizi kaydedeceğiniz bulut depolama türünü seçin. Bu seçenekte herhangi bir değişiklik yaparsanız, diğer tüm özellikler sıfırlanır. Bu nedenle, önce bu seçeneği seçtiğinizden emin olun!

5. Belirtilen depolama hesabına erişmek için gerekli bir hesap adı ve kimlik doğrulama yöntemi sağlayın.

   Depolama türüne ve hesabın güvenli olmasına bağlı olarak, hesap adını, dosya türünü, erişim anahtarını veya kapsayıcı adını belirtmeniz gerekebilir. Kimlik doğrulaması gerektirmeyen kaynaklar için genellikle URL 'YI biliyor yeterlidir.

   Her türün örnekleri için aşağıdaki konulara bakın:

   • Hive sorgusuna aktar

   • Azure SQL Veritabanı dışarı aktar

   • Azure tablosuna aktar

   • Azure Blob Depolama dışarı aktar

6. , Önbelleğe alınmış sonuçları kullanseçeneği, her seferinde aynı sonuçları yeniden yazmadan denemeyi tekrarlamanızı sağlar.

   Bu seçeneğin işaretini kaldırırsanız, çıkış verilerinin değişip değişmediğini ne olursa olsun, denemeler her çalıştırıldığında depolama alanına yazılır.

   Bu seçeneği belirlerseniz dışarı aktarma verileri , varsa önbelleğe alınmış verileri kullanır. Yeni sonuçlar yalnızca sonuçları etkileyecek bir yukarı akış değişikliği olduğunda oluşturulur.

7. Denemeyi çalıştırın.

Örnekler

Veri dışa aktarma modülünün nasıl kullanılacağına ilişkin örnekler için Azure yapay zeka Galerisibakın:

• Metin sınıflandırması: Bu örnek, ara sonuçları kaydetmek Için dışarı aktarma verilerini kullanır ve ardından denemede daha sonraki adımlar Için verileri içeri aktarma işlemini kullanır.

• perakende tahmin adımı 1/6-veri ön işlemesi: perakende tahmin şablonu, Azure SQL Veritabanı depolanan verileri temel alan bir makine öğrenimi görevi gösterir. farklı hesaplarda denemeleri arasında veri kümeleri geçirmek, tahminleri kaydetmek ve birleştirmek için Azure SQL veritabanını kullanarak machine learning için Azure SQL veritabanı oluşturma gibi çeşitli yararlı teknikler gösterilmektedir.

• azure vm 'de SQL Server kullanarak makine öğrenimi modeli oluşturun ve dağıtın: bu makalede, bir azure vm 'de barındırılan bir SQL Server veritabanını eğitim verilerini ve deneme tarafından oluşturulan tahminleri depolamak için kaynak olarak nasıl kullanabileceğiniz gösterilmektedir. Ayrıca, ilişkisel veritabanının özellik Mühendisliği ve Özellik seçimi için nasıl kullanılabileceğini gösterir.

• Azure SQL Data Warehouse Azure ML nasıl kullanılır: bu makalede, Azure SQL Data Warehouse verileri kullanarak nasıl makine öğrenimi modeli oluşturabileceğiniz gösterilmektedir.

Teknik notlar

Bu bölümde, sık sorulan soruların uygulama ayrıntıları, ipuçları ve yanıtları yer almaktadır.

Uygulama ayrıntıları

• Bu modül daha önce Yazıcıolarak adlandırılmıştı. Yazıcı modülünü kullanan mevcut bir denemenize sahipseniz, denemeyi yenilediğinizde modül verileri dışarı aktarmak için yeniden adlandırılır.

• Tüm modüller, veri verme hedefleri ile uyumlu olan çıktıyı oluşturmaz. Örneğin, verileri dışarı aktarma , SVMLight biçimine dönüştürülmüş bir veri kümesini kaydedemez. Dışarı aktarma verileri şu biçimleri destekler:

  • veri kümesi (Azure ML iç biçimi)
  • .NET DataTable
  • Üst bilgileri olan veya olmayan CSV
  • Üst bilgi içeren veya olmayan TSV

Bilinen sorunlar

• Verilerinizin çıktısının bulunduğu konum olarak Azure tablosu ' nu seçtiğinizde, bazı durumlarda belirtilen tabloya yazılırken bir hata olabilir. Bu durumda, veriler bir bloba yazılabilir olabilir.

  Bu hata oluşursa ve daha sonra beklenen tablodan okuyaerişemiyorsanız, depolama hesabınızda belirtilen kapsayıcıdaki Blobları denetlemek için bir Azure depolama yardımcı programı kullanmayı deneyin.

• Şu anda, bir blobu belirtilen Hive tablosuna kaydedemezsiniz. Ara sonuçlar yazmanız gerekiyorsa, HDInsight 'ta Hive tablosu kullanmaktan kaçının ve bunun yerine BLOB depolama veya tablo depolama alanı kullanın.

• Şu anda, çıkış verilerini kaydetmek için bir konum olarak IVI seçerseniz bu hata iletisi döndürülür: "Microsoft. Analytics. Exceptions. ErrorMapping + ModuleException."

Beklenen girişler

Ad	Tür	Description
Veri kümesi	Veri tablosu	Yazılacak veri kümesi.

Modül parametreleri

Bu tabloda tüm verileri dışarı aktarma seçeneklerine uygulanan parametreler listelenmektedir. Diğer parametreler dinamiktir ve seçtiğiniz veri hedefine göre değişir.

Name	Aralık	Tür	Varsayılan	Description
Veri hedeflerini belirtin	Liste	DataSourceOrSink	Azure Depolama'de blob hizmeti	Veri hedefinin Blob hizmette bir dosya, Tablo hizmette bir dosya, Azure'daki bir SQL veya Hive tablosu olduğunu gösterir.
Önbelleğe alınmış sonuçları kullanma	TRUE/FALSE	Boole	FALSE	Sonuçların gereksiz yere yeniden yazılmasından kaçınmak için bu seçeneği belirleyin. Denemenin yukarı akışında herhangi bir değişiklik olursa, Verileri Dışarı Aktar her zaman yürütülür ve yeni sonuçlar yazar. Ancak hiçbir şey değişmemişse ve bu seçeneği seçtiyseniz , aynı sonuçların yeniden yazılmasından kaçınmak için Verileri Dışarı Aktar yürütülmez.

Özel durumlar

Özel durum	Description
Hata 0057	Zaten var olan bir dosya veya blob oluşturma girişimi sırasında özel durum oluşur.
Hata 0001	Veri kümesinde belirtilen bir veya daha fazla sütun bulunamasa özel durum oluşur.
Hata 0027	İki nesne aynı boyutta olması gerektir ancak aynı boyutta değil olduğunda özel durum oluşur.
Hata 0079	Azure Depolama kapsayıcı adı yanlış belirtilirse özel durum oluşur.
Hata 0052	Azure hesabının depolama erişim anahtarı yanlış belirtilirse özel durum oluşur.
Hata 0064	Azure hesabı için hesap adı veya depolama erişim anahtarı yanlış belirtilirse özel durum oluşur.
Hata 0071	Sağlanan kimlik bilgileri yanlışsa bir özel durum oluşur.
Hata 0018	Giriş veri kümesi geçerli değilse bir özel durum oluşur.
Hata 0029	Geçersiz bir URI geçir olduğunda özel durum oluşur.
Hata 0003	Bir veya daha fazla giriş null veya boşsa özel durum oluşur.

Studio (klasik) modüllerine özgü hataların listesi için bkz. Machine Learning kodları.

API özel durumlarının listesi için bkz. Machine Learning REST API Kodları.

Ayrıca bkz.

Verileri İçeri Aktarma
Veri Girişi ve Çıkışı
Veri Dönüştürme
Azure Tablo tablolarını Depolama karşılaştırma Azure SQL Veritabanı
A-Z Modül Listesi