机器学习工作室（经典）：算法和模块帮助

重要

对机器学习工作室（经典）的支持将于 2024 年 8 月 31 日结束。建议在该日期之前转换到 Azure 机器学习。

从 2021 年 12 月 1 日开始，你将无法创建新的机器学习工作室（经典）资源。在 2024 年 8 月 31 日之前，可继续使用现有的机器学习工作室（经典）资源。

ML 工作室（经典）文档即将停用，将来可能不会更新。

提示

建议当前使用或评估机器学习工作室（经典版）的客户尝试使用 Azure 机器学习设计器，该设计器提供了拖放式 ML 模块以及可伸缩性、版本控制和企业安全性。

机器学习工作室（经典）是一种云预测分析服务，可用于将预测模型作为分析解决方案进行快速创建和部署。机器学习工具主要是基于云的服务，这就消除了设置和安装这些工具的问题，因为你可以在任何连接到 Internet 的电脑上通过 Web 浏览器工作。有关详细信息，请参阅文章"什么是工作室 (经典) ？"。

本文档包含机器学习工作室（经典）中提供的模块的详细技术信息和操作方法信息。

什么是模块？

机器学习工作室（经典）中的每个模块均表示一组可以独立运行并可根据所需输入来执行机器学习任务的代码。模块可能包含特定的算法，或者可能执行在机器学习中非常重要的任务，如替换缺少的值或进行统计分析。

在工作室（经典）中，模块按功能进行组织：

数据输入和输出模块执行将数据从云数据源移到试验中的工作。可以在运行试验时将结果或中间数据写入到 Azure 存储、SQL 数据库或 Hive，或者使用云存储在试验之间交换数据。
数据转换模块支持对数据进行机器学习独有的操作，例如将数据规范化或装箱、功能选择和维数缩减。
计算机学习算法（如群集、支持矢量机或神经网络）在单独的模块中提供，可让你使用适当的参数自定义机器学习任务。对于分类任务，可以选择二元算法或多类算法。

配置模型后，使用训练模块来通过算法运行数据，并使用评估模块之一来度量已训练模型的准确性。若要从已训练的模型获得预测，请使用评分模块之一。
异常检测：机器学习工作室（经典）包含专用于这些任务的多种算法。
文本分析模块支持各种自然语言处理任务。
Vowpal Wabbit 支持使你能够轻松地使用此可缩放的平台。
使用 Python 和 R 语言模块，可以轻松地运行自定义函数。编写代码并将其嵌入到模块中，以便将 Python 和 R 与试验服务集成。
OpenCV 库提供要在特定图像识别任务中使用的模块。
时序分析支持在时序数据中检测异常情况。
统计模块提供与数据科学相关的各种数字方法。在此组中查找相关方法、数据摘要和统计与数学运算。

在此参考部分中，你将找到机器学习算法的技术背景、实现详细信息（如果有）以及演示如何使用模块的示例试验的链接。可以将 Azure AI 库中的示例下载到你的工作区。这些示例是公用的。

提示

如果登录到机器学习工作室（经典）并创建了试验，则可以获取有关特定模块的信息。选择该模块，然后在“快速帮助”窗格中选择“更多帮助”链接。

部分	说明
数据类型列表	本部分包含介绍学习器接口 `DataTable` 以及用于数据集的格式的参考主题。
异常列表	本部分列出了模块可能生成的错误，以及生成错误的原因和可能的解决方法。有关与 Web 服务 API 相关的错误代码的列表，请参阅机器学习 REST API 错误代码。