转换为数据集
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。
将数据输入转换为 Microsoft 数据库使用的内部数据集机器学习
类别： 数据格式转换
模块概述
本文介绍如何使用 机器学习 Studio (经典 ) 中的"转换为数据集"模块，将试验所需的任何数据转换为工作室 (经典) 。
在大多数情况下不需要转换，因为机器学习对数据执行任何操作时，数据会隐式转换为其本机数据集格式。
但如果你执行了某种形式的规范化，或者清理了一组数据，并想要确保后续试验使用更改，则我们建议你将数据保存为数据集格式。
如何使用“转换为数据集”
我们建议在使用" 转换为数据集" 之前，使用"编辑元数据"模块 来准备数据集。 可以添加或更改列名、调整数据类型等。
将 "转换为数据集" 模块添加到试验。 可以在 机器学习 Studio (经典) 的数据格式转换类别中找到此模块。
将它连接到可以输出数据集的任何模块。
只要数据是表格，就可以将其转换为数据集。 这包括使用导入数据加载的数据、使用"手动输入数据"创建的数据、自定义模块中的代码生成的数据、使用"应用转换"转换的数据集，或者使用"应用数据转换"生成或修改的SQL数据集。
在 "操作 "下拉列表中，指示是否要在保存数据集之前对数据执行任何清理：
无：按原样使用数据。
SetMissingValue：指定在缺少值的位置插入数据集中的占位符。 默认占位符是问号 (？) ，但可以使用"自定义缺失值"选项键入其他值。
ReplaceValues：使用此选项可以指定要替换为任何其他确切值的单个确切值。 例如，假设数据包含
obs用作缺失值的占位符的字符串，可以使用以下选项指定自定义替换操作：将 "替换" 设置为 "自定义"
对于 "自定义值"，键入要查找的值。 在这种情况下，将键入
obs。对于 "新建值"，请键入要替换原始字符串的新值。 在这种情况下，可以键入
?
请注意，ReplaceValues 操作仅应用于完全匹配项。 例如，这些字符串不会受影响：
obs.、obsolete。- SparseOutput：指示数据集是稀疏的。 通过创建稀疏数据向量，可以确保缺失值不会影响稀疏数据分布。 选择此选项后，必须指示应如何处理缺失值和零值。
若要删除除零外的任何值，请单击 "删除 "选项并键入要删除的单个值。 可以删除缺失值，也可以设置自定义值以从向量中删除。 只会删除完全匹配项。 例如，如果在"删除
x值"文本框中键入 ，则行xx不受影响。默认情况下，"删除 零" 选项设置为
True，这意味着创建稀疏列时将删除所有零值。运行试验，或右键单击" 转换为数据集"模块 ，然后选择" 运行所选项"。
结果
- 若要使用新名称保存生成的数据集，请右键单击"转换为数据集 "的输出， 然后选择" 另存为数据集"。
示例
可以在以下示例中查看 如何使用" 转换为数据集"模块 Azure AI 库：
技术说明
本部分包含实现详情、使用技巧和常见问题解答。
将作为输入的数据集的任何模块还可以将 CSV、TSV 或 ARFF 格式的数据。 执行任何模块代码之前，对输入执行预处理，此操作等效于对输入运行“转换为数据集”模块。
你不能从 SVMLight 格式转换为数据集。
指定自定义替换操作时，搜索和替换操作适用于完整值；不允许使用部分匹配项。 例如，可以将 3 替换为 -1 或者 33，但不能替换双位数（如 35）中的 3。
对于自定义替换操作，如果你使用不符合列的当前数据类型的任何字符进行替换，则替换将失败且不会提示。
如果需要保存使用稀疏数字数据且缺少值的数据，在内部，Studio (经典) 通过使用 SparseVector（Math.NET 数值库中的类）支持稀疏数组。 准备使用零且缺失值的数据，然后使用参数 SparseOutput 和 Remove Zeros = TRUE 的"转换为数据集"。
预期输入
| 名称 | 类型 | 说明 |
|---|---|---|
| 数据集 | 数据表 | 输入数据集 |
模块参数
| 名称 | 范围 | 类型 | 默认 | 说明 |
|---|---|---|---|---|
| 操作 | 列表 | 操作方法 | 无 | 要应用到输入数据集的操作 |
输出
| 名称 | 类型 | 说明 |
|---|---|---|
| 结果数据集 | 数据表 | 输出数据集 |