Azure 機器學習 設計工具的演算法和元件參考 (v2)
適用於:Python SDK azure-ai-ml v2 (目前)
Azure 機器學習 設計工具元件 (Designer) 可讓使用者使用拖放介面來建立機器學習專案。 請遵循此連結來連線到 Designer Studio。 請遵循此連結以 深入了解設計工具。
此參考內容提供 Azure 機器學習 設計工具中每個自定義元件 (v2) 的背景。
您可以流覽至 Azure 機器學習 Studio 中的自定義元件,如下圖所示。
每個元件都代表一組程式代碼,這些程式代碼可以獨立執行,並視需要輸入來執行機器學習工作。 元件可能包含特定演算法,或執行在機器學習中很重要的工作,例如遺漏值取代或統計分析。
如需選擇演算法的說明,請參閱
提示
在設計工具的任何管線中,您可以取得特定元件的相關信息。 將滑鼠停留在元件清單中的元件或元件右窗格中時,選取元件卡片中的 [深入瞭解] 連結。
AutoML 演算法
功能 | 描述 | component |
---|---|---|
分類 | 啟動 AutoML 作業的元件,以在 Azure 機器學習 管線內定型分類模型 | AutoML 分類 |
迴歸 | 啟動 AutoML 作業的元件,以在 Azure 機器學習 管線內定型回歸模型。 | AutoML 回歸 |
預測 | 啟動 AutoML 作業的元件,以在 Azure 機器學習 管線內定型預測模型。 | AutoML 預測 |
影像分類 | 啟動 AutoML 作業的元件,以在 Azure 機器學習 管線內定型影像分類模型 | 影像分類 |
多標籤影像分類 | 啟動 AutoML 作業的元件,以在 Azure 機器學習 管線內定型多標籤影像分類模型 | 影像分類多重標籤 |
影像物件偵測 | 啟動 AutoML 作業的元件,以在 Azure 機器學習 管線內定型影像物件偵測模型 | 影像物件偵測 |
影像實例分割 | 啟動 AutoML 作業的元件,以在 Azure 機器學習 管線內定型映像實例分割模型 | 影像實例分割 |
多標籤文字分類 | 啟動 AutoML 作業的元件,可在 Azure 機器學習 管線內定型多標籤 NLP 文字分類模型。 | AutoML 多標籤文字分類 |
文字分類 | 啟動 AutoML 作業的元件,以在 Azure 機器學習 管線內定型 NLP 文字分類模型。 | AutoML 文字分類 |
Text Ner | 啟動 AutoML 作業的元件,以在 Azure 機器學習 管線內定型 NLP NE(具名實體辨識)模型。 | AutoML Text Ner |