使用 Azure Machine Learning 工作室連線至資料

發行項
03/20/2024

本文會說明如何使用 Azure Machine Learning 工作室存取您的資料。使用 Azure Machine Learning 資料存放區連線到 Azure 儲存體服務中的資料。然後，使用 Azure Machine Learning 資料集封裝該資料以供 ML 工作流程工作使用。

下表會定義並摘要說明資料存放區和資料集的優點。

Object	描述	福利
資料存放區	若要安全地連線到 Azure 上的儲存體服務，請將連線資訊 (訂用帳戶識別碼、權杖授權等) 儲存在與工作區相關聯的 Key Vault 中	您的資訊會安全地儲存，因此您不會讓驗證認證或原始資料來源處於風險之中，而且不再需要在指令碼中硬式編碼這些值
資料集	建立資料集也會建立資料來源位置的參考，以及其中繼資料的複本。使用資料集，您可以在模型定型期間存取資料、與其他使用者共用資料並共同作業，以及使用開放原始碼程式庫 (例如 pandas) 來探索資料。	因為資料集會延遲評估，且資料會留在其現有位置，因此您會在儲存體中保留單一資料複本。此外，您不會產生額外的儲存體成本、可以避免意外變更原始資料來源，並改善 ML 工作流程的效能速度。

若要了解如何將資料存放區和資料集納入 Azure Machine Learning 的整體資料存取工作流程中，請瀏覽安全地存取資料。

如需 Azure Machine Learning Python SDK 和程式碼優先體驗的詳細資訊，請參閱：

必要條件

Azure 訂用帳戶。如果您沒有 Azure 訂用帳戶，請在開始前建立免費帳戶。試用免費或付費版本的 Azure Machine Learning
存取 Azure Machine Learning 工作室
Azure Machine Learning 工作區。建立工作區資源
- 當您建立工作區時，系統會自動向該工作區註冊 Azure Blob 容器和 Azure 檔案共用以作為資料存放區。這兩者分別會命名為 workspaceblobstore 和 workspacefilestore。為了有足夠的 Blob 儲存體資源，workspaceblobstore 會設定為預設資料存放區，並已設定為可供使用。如果您需要更多 Blob 儲存體資源，則需要具有支援的儲存體類型的 Azure 儲存體帳戶。

建立資料存放區

您可以從這些 Azure 儲存體解決方案建立資料存放區。 針對不受支援的儲存體解決方案，以及要在機器學習實驗期間儲存資料輸出成本，您必須將資料移至支援的 Azure 儲存體解決方案。如需資料存放區的詳細資訊，請瀏覽此資源。

您可以使用認證型存取或身分識別型存取來建立資料存放區。

認證型
身分識別型

使用 Azure Machine Learning 工作室建立新的資料存放區。

重要

如果您的資料儲存體帳戶位於虛擬網路中，則需要額外的設定步驟，以確保工作室可以存取您的資料。請瀏覽網路隔離和隱私權，以取得適當設定步驟的詳細資訊。

登入 Azure Machine Learning Studio。
選取 [資產] 下方左窗格上的 [資料]。
在頂端，選取 [資料存放區]。
選取 [+建立]。
完成表單以建立並註冊新的資料存放區。此表單會根據您選取的 Azure 儲存體類型和驗證類型，以智慧方式自行更新。如需可在何處找到要填入此表單所需的驗證認證的詳細資訊，請瀏覽儲存體存取和權限一節。

此螢幕擷取畫面會顯示 Azure Blob 資料存放區的建立面板：

建立資料資產

建立資料存放區之後，請建立資料集以與您的資料互動。資料集會將您的資料封裝為延遲評估的可取用物件，以進行機器學習工作 (例如定型)。如需資料集的詳細資訊，請瀏覽建立 Azure Machine Learning 資料集。

資料集有兩種類型：FileDataset 和 TabularDataset。 FileDataset 會建立單一或多個檔案或公用 URL 的參考。 TabularDatasets 則會以表格格式呈現資料。您可以從下列項目建立 TabularDatasets

.csv
.tsv
.parquet
.json 檔案以及 SQL 查詢結果。

下列步驟描述如何在 Azure Machine Learning 工作室中建立資料集。

注意

透過 Azure Machine Learning 工作室建立的資料集會自動註冊到工作區。

瀏覽至 Azure Machine Learning 工作室
在左側導覽的 [資產] 下，選取 [資料]。在 [資料資產] 索引標籤上，選取 [建立]
命名資料資產並選擇性提供描述。然後，在 [類型] 底下，選取 [資料集類型]：[檔案] 或 [表格式]。
[資料來源] 窗格便會在一旁開啟，如螢幕擷取畫面所示：

對於資料來源，您有不同的選項。對於已儲存在 Azure 中的資料，請選擇 [從 Azure 儲存體]。若要從本地磁碟機上傳資料，請選擇 [從本機檔案]。如果資料儲存在公用 Web 位置，請選擇 [從 Web 檔案]。您也可以從 SQL 資料庫或從 Azure 開放資料集建立資料資產。

在檔案選取步驟中，選取 Azure 應該儲存資料的位置，以及您想要使用的資料檔案。
1. 如果您的資料位於虛擬網路中，請啟用略過驗證。深入了解虛擬網路隔離和隱私權。
請遵循步驟，設定資料資產的資料剖析設定和結構描述。系統會根據檔案類型預先填入設定，您可以在建立資料資產之前進一步進行設定。
執行至 [檢閱] 步驟後，請選取最後一頁上的 [建立]

資料預覽和設定檔

在建立資料集後，請確認您可以在工作室中檢視預覽和設定檔：

登入 Azure Machine Learning 工作室。
在左側導覽的 [資產] 下，選取 [資料]。
選取您要檢視的資料集名稱。
選取 [瀏覽] 索引標籤。
選取 [預覽] 索引標籤。
選取 [設定檔] 索引標籤。

您可在資料集內使用摘要統計資料，以驗證資料集是否已針對 ML 準備就緒。針對非數值資料行，這些統計資料只會包含基本統計資料，例如最小值、最大值和錯誤計數。數值資料行會提供統計時間和估計分位數。

Azure Machine Learning 資料集的資料設定檔包括：

注意

針對無關類型特徵顯示的空白項目。

統計資料	描述
功能	摘要的資料行名稱
設定檔	以推斷類型為基礎的內嵌視覺效果。字串、布林值和日期具有值計數。小數 (數值) 具有近似長條圖。這些視覺效果可讓您快速了解資料分佈
類型分佈	資料行中類型的內嵌值計數。 Null 為其自身的類型，因此這個視覺效果可以偵測奇數或遺漏值
類型	推斷的資料行類型。可能的值包括：字串、布林值、日期和小數
Min	資料行的最小值。如果特徵的類型沒有固有排序 (例如布林值)，則會顯示空白項目
最大值	資料行的最小值。
計數	資料行中遺漏和未遺漏項目的總數
未遺漏計數	資料行中未遺漏的項目數。空字串和錯誤都會視為值，因此不會計入「未遺漏計數」中。
分位數	每個分位數的近似值，可供了解資料分佈
平均數	資料行的算術平均數或平均
標準差	此資料行資料的離散或變異量量值
變異數	此資料行資料與其平均值之分散程度的量值
偏度	此資料行資料與常態分佈之差異的量值
峰度	與常態分佈相比，此資料行資料的「尾度」量值

儲存體存取權和權限

為了協助確保您安全地連線至 Azure 儲存體服務，Azure Machine Learning 要求您必須具有對應資料儲存體的存取權限。此存取權取決於用來註冊資料存放區的驗證認證。

虛擬網路

如果您的資料儲存體帳戶位於虛擬網路中，則需要額外的設定步驟，藉以確保 Azure Machine Learning 具有資料的存取權。請參閱在虛擬網路中使用 Azure Machine Learning 工作室，以確保在您建立和註冊資料存放區時套用適當的設定步驟。

存取驗證

警告

不支援跨租用戶存取儲存體帳戶。如果您的案例需要跨租用戶存取權，請連絡 Azure Machine Learning 資料支援小組別名：amldatasupport@microsoft.com，取得自訂程式碼解決方案的協助。

在執行初始資料存放區建立和註冊的過程中，Azure Machine Learning 會自動驗證基礎儲存體服務是否確實存在，且使用者提供的主體 (使用者名稱、服務主體或 SAS 權杖) 具有指定儲存體的存取權。

建立資料存放區後，系統將只會對需要存取基礎儲存體容器的方法執行這項驗證。系統不會在每次擷取資料存放區物件時執行此驗證。例如，當您從資料存放區下載檔案時，系統會進行驗證。不過，如果您想要變更預設資料存放區，則不會進行驗證。

如要驗證您對基礎儲存體服務的存取權，請根據想要建立的資料存放區類型提供帳戶金鑰、共用存取簽章 (SAS) 權杖或服務主體。儲存體類型矩陣會列出每個資料儲存區類型對應的驗證類型。

您可以在 Azure 入口網站上找到帳戶金鑰、SAS 權杖和服務主體資訊。

若要取得帳戶金鑰以進行驗證，請在左窗格中選取 [儲存體帳戶]，然後選擇您要註冊的儲存體帳戶
- [概觀] 頁面會提供帳戶名稱、容器和檔案共用名稱等資訊。
- 展開左側導覽中的 [安全性 + 網路] 節點
- 選取 [存取金鑰]
- 可用的索引鍵值會作為 [帳戶金鑰] 值
若要取得 SAS 權杖以進行驗證，請在左窗格中選取 [儲存體帳戶]，然後選擇您想要的儲存體帳戶
- 若要取得 [存取金鑰] 值，請展開左側導覽中的 [安全性 + 網路] 節點
- 選取 [共用存取簽章]
- 完成程序以產生 SAS 值
若要使用服務主體進行驗證，請移至 [應用程式註冊]，並選取想要使用的應用程式。
- 其對應的 [概觀] 頁面會包含租用戶識別碼和用戶端識別碼之類的必要資訊。

重要

若要變更 Azure 儲存體帳戶的存取金鑰 (帳戶金鑰或 SAS 權杖)，請務必將新的認證與您的工作區和連線的資料存放區同步。如需詳細資訊，請瀏覽同步您的更新認證。
若您先取消註冊某個資料存放區，再重新註冊同名的資料存放區，但重新註冊時發生錯誤，則工作區的 Azure Key Vault 可能未啟用虛刪除。根據預設，工作區所建立的金鑰保存庫執行個體會啟用虛刪除，但如果您使用現有的金鑰保存庫或在 2020 年 10 月之前建立的工作區，則虛刪除可能並未啟用。如需如何啟用虛刪除的詳細資訊，請瀏覽針對現有的金鑰保存庫啟用虛刪除。

權限

針對 Azure blob 容器和 Azure Data Lake Gen 2 儲存體，請確定您的驗證認證具有儲存體 blob 資料讀取器存取權。深入了解儲存體 blob 資料讀取器。根據預設，帳戶 SAS 權杖沒有任何權限。

針對資料讀取權限，您的驗證認證必須至少具有容器和物件的列出和讀取權限。
針對資料寫入權限，也需要寫入和新增權限。

使用資料集定型

在機器學習實驗中使用資料集來定型 ML 模型。深入了解如何使用資料集進行定型。