在 Azure Data Factory 和 Synapse Analytics 中執行 Azure Machine Learning 管線
適用於：
Azure Data Factory Azure Synapse Analytics
提示
試用 Microsoft Fabric 中的 Data Factory，這是適用於企業的全方位分析解決方案。 Microsoft Fabric 涵蓋從資料移動到資料科學、即時分析、商業智慧和報告的所有項目。 了解如何免費開始新的試用！
在 Azure Data Factory 和 Synapse Analytics 管線中，將 Azure Machine Learning 管線作為步驟執行。 機器學習執行管線活動可進行批次預測案例，例如找出可能的貸款預設值、判斷情感，以及分析客戶行為模式。
下列影片提供這項功能的六分鐘簡介和示範。
使用 UI 建立 Machine Learning 執行管線活動
若要在管線中使用 Machine Learning 執行管線活動，請完成下列步驟：
在 [管線活動] 窗格中搜尋「Machine Learning]，接著將 Machine Learning 執行管線活動拖曳至管線畫布。
在畫布上選取新的 Machine Learning 執行管線活動 (如未選取) 及其 [設定] 索引標籤，以編輯詳細資料。
選取現有的或建立新的 Azure Machine Learning 連結服務，並提供管線和實驗的詳細資料，以及管線所需的任何管線參數或資料路徑指派。
語法
{
"name": "Machine Learning Execute Pipeline",
"type": "AzureMLExecutePipeline",
"linkedServiceName": {
"referenceName": "AzureMLService",
"type": "LinkedServiceReference"
},
"typeProperties": {
"mlPipelineId": "machine learning pipeline ID",
"experimentName": "experimentName",
"mlPipelineParameters": {
"mlParameterName": "mlParameterValue"
}
}
}
類型屬性
| 屬性 | 說明 | 允許的值 | 必要 |
|---|---|---|---|
| NAME | 管線中的活動名稱 | String | Yes |
| type | 活動類型為「AzureMLExecutePipeline」 | String | Yes |
| linkedServiceName | Azure Machine Learning 的連結服務 | 連結服務參考 | Yes |
| mlPipelineId | 已發佈 Azure Machine Learning 管線的識別碼 | 字串 (或含有字串之 resultType 的運算式) | Yes |
| experimentName | Machine Learning 管線執行的執行歷程記錄實驗名稱 | 字串 (或含有字串之 resultType 的運算式) | No |
| mlPipelineParameters | 要傳遞給已發佈的 Azure Machine Learning 管線端點的機碼值組。 索引鍵必須符合已發佈之 Machine Learning 管線中定義的管線參數名稱 | 具有機碼值組的物件 (或 Expression 搭配 resultType 物件) | No |
| mlParentRunId | 父 Azure Machine Learning 管線執行識別碼 | 字串 (或含有字串之 resultType 的運算式) | No |
| dataPathAssignments | 用於變更 Azure 機器學習 中數據路徑的字典。 啟用資料路徑的切換 | 具有機碼值組的物件 | No |
| continueOnStepFailure | 在步驟失敗時，是否要繼續執行 Machine Learning 管線執行中的其他步驟 | boolean | No |
注意
若要填入 Machine Learning 管線名稱和識別碼中的下拉式清單項目，使用者必須具有列出 ML 管線的權限。 UI 會使用已登入的使用者認證，直接呼叫 AzureMLService API。 使用私人端點時，下拉式清單專案的探索時間會更長。
相關內容
請參閱下列文章，其說明如何以其他方式轉換資料：