Veri dönüştürme-düzenleme
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.
bu makalede, temel veri işleme için kullanabileceğiniz Machine Learning Studio 'daki (klasik) modüller açıklanmaktadır.
Not
uygulama hedefi: yalnızca Machine Learning Studio (klasik)
benzer sürükle ve bırak modülleri Azure Machine Learning tasarımcısındakullanılabilir.
Machine Learning Studio (klasik), bilgisayar öğrenimine özgü, normalleştirme veya özellik seçimi gibi görevleri destekler. Bu kategorideki modüller daha genel görevler için tasarlanmıştır.
Veri işleme görevleri
bu kategorideki modüller, Machine Learning Studio 'da (klasik) gerçekleştirilmesi gerekebilecek temel veri yönetimi görevlerini desteklemeye yöneliktir. Aşağıdaki görevler temel veri yönetimi görevlerine örnektir:
- İki veri kümesini birleşimler kullanarak veya sütunları ya da satırları birleştirerek birleştirin.
- Verileri gruplandırmak için kullanılacak yeni kategoriler oluşturun.
- Sütun başlıklarını değiştirme, sütun veri türlerini değiştirme veya sütunları özellikler ya da Etiketler olarak bayrak koyma.
- Eksik değerleri denetleyin ve ardından bunları uygun değerlerle değiştirin.
İlişkili görevler
- Örnekleme yapın veya bir veri kümesini eğitim ve test kümelerine bölün: veri dönüştürme-örnek ve bölünmüş modüller ' i kullanın.
- Sayıları ölçeklendirin, verileri normalleştirin veya sayısal değerleri depo gözlerine yerleştirin: veri dönüştürme-ölçeklendirme ve modülleri azaltma .
- Sayısal veri alanlarında hesaplamalar yapın veya yaygın olarak kullanılan istatistikleri oluşturun: Istatistiksel işlevlerdearaçları kullanın.
Örnekler
Machine Learning denemeleri 'te karmaşık verilerle çalışmaya yönelik örnekler için Azure yapay zeka Galerisişu örneklere bakın:
- Veri işleme ve analiz: temel araçları ve işlemleri gösterir.
- Breakst kanseri algılama: veri kümelerinin nasıl bölümlenmesi gerektiğini gösterir ve ardından her bölüme özel işlem uygular.
Bu kategorideki modüller
Veri dönüştürme-işleme kategorisi aşağıdaki modülleri içerir:
- Sütun Ekle: bir veri kümesinden diğerine bir sütun kümesi ekler.
- Satır ekle: bir giriş veri kümesinden başka bir veri kümesinin sonuna bir satır kümesi ekler.
- SQL dönüşümünü uygula: verileri dönüştürmek için giriş veri kümelerinde bir SQLite sorgusu çalıştırır.
- Eksik verileri temizle: bir veri kümesinde eksik olan değerlerin nasıl işleneceğini belirtir. Bu modül, kullanım dışı bırakılan temizleyici eksik değerlerini değiştirir.
- Gösterge değerlerine Dönüştür: sütunlardaki kategorik değerlerini gösterge değerlerine dönüştürür.
- Meta verileri Düzenle: bir veri kümesindeki sütunlarla ilişkili meta verileri düzenler.
- Kategori değerlerini gruplandırma: birden çok kategorideki verileri yeni bir kategoride gruplandırır.
- Veri birleştirme: iki veri kümesini birleştirir.
- Yinelenen satırları kaldır: yinelenen satırları bir veri kümesinden kaldırır.
- Veri kümesindeki sütunları seçme: bir veri kümesine dahil edilecek veya işlemdeki bir veri kümesinden hariç tutulacak sütunları seçer.
- Sütunları Seç dönüştürme: belirtilen bir veri kümesindeki aynı sütun alt kümesini seçen bir dönüşüm oluşturur.
- Smote: yapay azlık fazla örnekleme kullanarak bir veri kümesindeki Low-olay örneklerinin sayısını artırır.