Dati di input e di output
Importante
Il supporto dello studio di Azure Machine Learning (versione classica) terminerà il 31 agosto 2024. È consigliabile passare ad Azure Machine Learning entro tale data.
A partire dal 1° dicembre 2021 non sarà possibile creare nuove risorse dello studio di Azure Machine Learning (versione classica). Fino al 31 agosto 2024 sarà possibile continuare a usare le risorse dello studio di Azure Machine Learning (versione classica).
- Vedere leinformazioni sullo spostamento di progetti di Machine Learning da ML Studio (versione classica) ad Azure Machine Learning.
- Altre informazioni sulle Azure Machine Learning.
La documentazione relativa allo studio di Machine Learning (versione classica) è in fase di ritiro e potrebbe non essere aggiornata in futuro.
Nota
Si applica a: Machine Learning Studio (versione classica)
Moduli di trascinamento della selezione simili sono disponibili nella finestra Azure Machine Learning progettazione.
Questo articolo elenca i moduli che è possibile usare per l'importazione e l'esportazione di dati e modelli in Machine Learning Studio (versione classica).
Oltre a usare i moduli, è possibile caricare e scaricare direttamente set di dati da file locali nel computer o in rete. Per altre informazioni, vedere Upload dati esistenti in un Machine Learning sperimentale.
Ecco alcune delle origini che è possibile usare per importare ed esportare dati e modelli in Machine Learning Studio (versione classica):
- Ottenere dati dalle origini nel cloud, ad esempio database SQL di Azure, Azure SQL Data Warehouse, Archiviazione di Azure e Azure Cosmos DB. È anche possibile importare dati forniti come URL Web pubblico, ottenere dati da Hadoop usando una query Hive o eseguire query su un server SQL locale.
- Caricare una raccolta di immagini da Archiviazione BLOB di Azure da usare nelle attività di classificazione delle immagini.
- Estrarre i dati dai file compressi caricati in Machine Learning. È possibile usare i set di dati negli esperimenti.
- Creare set di dati di piccole dimensioni digitando nell'interfaccia Machine Learning Studio (versione classica). Questo può essere utile per la creazione di set di dati di test di piccole dimensioni.
- Salvare i risultati o i dati intermedi in Archiviazione tabelle di Azure, archiviazione BLOB, un database SQL o una query Hive.
- Ottenere un modello con training da un URL o da un archivio BLOB e quindi usarlo in un esperimento.
Nota
I moduli in questo gruppo spostano solo i dati da o verso Machine Learning Studio (versione classica). Non è possibile usare i moduli per filtrare, eseguire il cast o trasformare i dati durante il processo di importazione o esportazione.
Per altre informazioni su come trasformare e filtrare i dati in Machine Learning Studio (versione classica), vedere Trasformazione dei dati.
Risorse
Gli articoli seguenti introducono scenari di dati comuni in Machine Learning:
Introduzione
Informazioni su come gestire i dati per Machine Learning nel cloud. Le informazioni contenute in questo articolo si basano su CRISP-DM, uno standard del settore. L'articolo fornisce procedure dettagliate end-to-end che illustrano l'integrazione di Machine Learning con soluzioni di dati cloud come Azure HDInsight e database SQL.
Questo articolo descrive come ottenere i dati in Azure e quindi creare un esperimento.
Impostazioni data science
Informazioni su come installare la Machine Learning client Python e quindi usarla per accedere ai metadati e usare i set di dati.
Esperimenti di esempio
Elenco di moduli
La categoria Input e output dati include i moduli seguenti:
- Immettere manualmente i dati: consente di creare set di dati di piccole dimensioni digitando i valori.
- Esporta dati: scrive un set di dati in URL Web o in varie forme di archiviazione basata sul cloud in Azure, ad esempio tabelle, BLOB o un database SQL dati.
- Importa dati: carica i dati da origini esterne sul Web e da varie forme di archiviazione basata sul cloud in Azure, ad esempio archiviazione tabelle, archiviazione BLOB, database SQL, SQL Data Warehouse, database di Azure Cosmos o query Hive. È anche possibile importare dati da un database SQL Server locale.
- Carica modello con training: ottiene un modello con training da un URL o da un archivio BLOB da usare in un esperimento di assegnazione dei punteggi.
- Decomprimere i set di dati compressi: decomprime un set di dati archiviato in formato compresso e quindi aggiunge il set di dati all'area di lavoro.