評分 Vowpal Wabbit 模型
本文說明如何使用 Azure 機器學習 設計工具中的 Score Vowpal Wabbit 模型元件，使用現有的定型 Vowpal Wabbit 模型來產生一組輸入數據的分數。
此元件提供 Vowpal Wabbit 架構 8.8.1 版的最新版本。 使用此元件，以 VW 第 8 版格式儲存的定型模型來評分數據。
如何設定分數 Vowpal Wabbit 模型
將 Score Vowpal Wabbit 模型 元件新增至您的實驗。
新增定型的 Vowpal Wabbit 模型，並將其連線到左側輸入埠。 您可以使用在相同實驗中建立的定型模型，或在設計工具左側瀏覽窗格的 [數據集] 類別中找到已儲存的模型。 不過，模型必須在 Azure 機器學習 Designer 中使用。
注意
僅支援 Vowpal Wabbit 8.8.1 模型;您無法使用其他演算法來連接已定型的已儲存模型。
新增測試數據集，並將其連線到右側輸入埠。 如果測試資料集是包含測試資料檔的目錄，請使用測試資料檔的名稱指定測試數據檔名稱。 如果測試數據集是單一檔案，請將測試數據檔的名稱保留空白。
在 [ VW 自變數 ] 文本框中，將一組有效的命令行自變數輸入至 Vowpal Wabbit 可執行檔。
如需 Azure 機器學習 支援和不支援哪些 Vowpal Wabbit 自變數的相關信息，請參閱技術注意事項一節。
測試數據檔的名稱：輸入包含輸入數據的檔名。 只有當測試數據集是目錄時，才會使用此自變數。
指定檔案類型：指出訓練數據所使用的格式。 Vowpal Wabbit 支援這兩種輸入檔案格式：
- VW 代表 Vowpal Wabbit 所使用的內部格式。 如需詳細資訊， 請參閱 Vowpal Wabbit Wiki 頁面 。
- SVMLight 是一些其他機器學習工具所使用的格式。
如果您想要將標籤連同分數一起輸出，請選取 [包含標籤的額外資料行] 選項。
一般而言，處理文字數據時，Vowpal Wabbit 不需要標籤，而且只會傳回每個數據列的分數。
如果您想要將原始分數與結果一起輸出原始分數，請選取 [包含額外分數] 資料行的選項。
提交管線。
結果
完成定型之後：
若要將結果可視化，請以滑鼠右鍵按下評分 Vowpal Wabbit 模型元件的輸出。 輸出表示從 0 標準化為 1 的預測分數。
若要評估結果，輸出數據集應該包含符合評估模型元件需求的特定分數數據行名稱。
- 針對回歸工作，要評估的數據集必須有一個數據行，名為
Regression Scored Labels，代表評分的標籤。 - 針對二元分類工作，要評估的數據集必須有兩個數據行，名為
Binary Class Scored Labels，Binary Class Scored Probabilities分別代表評分標籤和機率。 - 針對多重分類工作，要評估的數據集必須有一個數據行，名為
Multi Class Scored Labels，代表評分的標籤。
請注意，無法直接評估 Score Vowpal Wabbit 模型元件的結果。 在評估之前，應根據上述需求修改數據集。
- 針對回歸工作，要評估的數據集必須有一個數據行，名為
技術注意事項
本節包含常見問題的實作詳細數據、秘訣和解答。
參數
Vowpal Wabbit 有許多用於選擇和微調演算法的命令行選項。 此處無法完整討論這些選項;建議您檢視 Vowpal Wabbit Wiki 頁面。
Azure 機器學習 Studio（傳統版）不支援下列參數。
中指定的輸入/輸出選項 https://github.com/JohnLangford/vowpal_wabbit/wiki/Command-line-arguments
元件已經自動設定這些屬性。
此外，不允許產生多個輸出或接受多個輸入的任何選項。 這些包括
--cbt、--lda與--wap。僅支援受監督式學習演算法。 這不允許這些選項：
–active、--rank--search等。
允許上述自變數以外的所有自變數。