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）

• v1
• v2 （目前版本）

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

• 如何選取演算法

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

下一步

• 教學課程：在設計工具中建置模型以預測自動價格