Dışarı aktarma sayısı tablosu

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.

Yeni verilerle kullanılmak üzere kaydedilen dönüşümden sayı tablosunu dışarı aktarır

kategori: sayımlar ile Learning

Not

uygulama hedefi: yalnızca Machine Learning Studio (klasik)

benzer sürükle ve bırak modülleri Azure Machine Learning tasarımcısındakullanılabilir.

Modüle genel bakış

bu makalede, Machine Learning Studio 'da (klasik) dışarı aktarma sayısı tablo modülünün nasıl kullanılacağı açıklanır. Dışarı aktarma sayısı tablo modülü, kullanım dışı derleme sayısı tablosu ve kullanım dışı sayı Korlaizer modüllerini kullanan denemeleri ile geriye dönük uyumluluk için sağlanır.

Count tabanlı özellikler oluşturmak için yeni derleme sayım dönüştürme modülünü kullandığınızda, modül hem korlalanmış bir veri kümesini hem de sayımlardan özellikler oluşturan bir dönüştürmeyi çıktı olarak verir. Dışarı aktarma sayısı tablo modülünü kullanarak, bu yeni modülün Count tabanlı özellik çıkışını Count meta verilerine ve bir Count tablosunaayırabilirsiniz. Bu çıktı biçimleri önceki, artık kullanım dışı modüller tarafından kullanıldı:

sayma tabloları ve özellikler oluşturmak için nasıl kullanıldıkları hakkında genel bilgi için, bkz. Learning sayısı.

Tüm yeni denemeleri için aşağıdaki modülleri kullanmanızı öneririz:

• Derleme sayım dönüşümü
• Sayım tablosu parametrelerini değiştir
• Birleştirme sayısı dönüşümü

Dışarı aktarma sayısı tablosunu yapılandırma

1. Machine Learning Studio 'da (klasik), içeri aktarılan sayı tablosunu kullanmak istediğiniz denemeyi açın.

2. Kaydedilen sayım dönüşümünü bulun ve denemenize ekleyin.

3. sayı tablosunu dışarı aktarmakiçin kaydedilen sayı dönüşümünün ( dönüştürmeetiketli) çıktısını Bağlan.

4. Count Feaqua(kullanım dışı) modülünü denemeye ekleyin ve dışarı aktarma sayısı tablosununiki çıkışına bağlayın.

5. Count Featurizer (kullanım dışı) modülü, istediğiniz veri kümesi için ek bir giriş gerektirir. kaydedilen dönüştürmeyi çıkışlara uygulamak için veri kümesini Bağlan.

6. Etiket sütunu, sayı sütunları, korku edilecek sütunlar ve çıkış özellikleri dahil olmak üzere, sayı Featurizer (kullanım dışı) için gerekli parametreleri ayarlayın.

   Sayım dönüştürmesi için başlangıçta seçili olan sütunların bir alt kümesini seçmeniz gerekir. Ancak, dışarı aktarma sayısı tablo modülü bu sütunların listesini sağlamaz, bu nedenle özgün denemeyi gözden geçirmeniz ve hangi sütunların kullanıldığını not etmeniz gerekir. Dönüştürme oluştururken kullanılmamış bir sütun seçerseniz bir hata oluşur.

Örnekler

Azure yapay zeka Galerisi, bu örnek denemeleri kullanarak Count tabanlı bir şekilde örnekleri göz atın:

• Uçuş gecikmesi tahmini: çok büyük bir veri kümesinde, sayım tabanlı koronun nasıl yararlı olduğunu gösterir.

• sayımla Learning: nyc taxı verileri ile birden çok lass sınıflandırması: çok bir lass tahmin görevinde count tabanlı özelliklerin kullanımını gösterir.

• sayımla Learning: nyc taxı verileri ile ikili sınıflandırma: ikili sınıflandırma görevinde sayı tabanlı özellikleri kullanır.

Not

sayı modülleri olan Learning kullanım dışı bırakılmış sürümleri kullanılarak oluşturulan bir galeri denemesini açarsanız, deneme otomatik olarak yeni modülleri kullanacak şekilde yükseltilir.

Beklenen girişler

Ad	Tür	Description
Dönüştürme sayılıyor	Iransform arabirimi	Sayım dönüştürmesi.

Çıkışlar

Ad	Tür	Description
Dracula Count meta verileri	Veri tablosu	Sayımların meta verileri.
Dracula Count tablosu	Veri tablosu	Sayım tablosu.

Özel durumlar

Özel durum	Description
Hata 0003	Bir veya daha fazla giriş null veya boş olduğunda özel durum oluşur.
Hata 0086	Bir sayım dönüştürmesi geçersiz olduğunda özel durum oluşur.

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

apı özel durumlarının listesi için bkz. Machine Learning REST API hata kodları.

Ayrıca bkz.

sayımlar ile Learning