Punteggio vowpal wabbit versione 7-10 modello

Assegna un punteggio ai dati tramite il sistema di Machine Learning Vowpal Wabbit dall'interfaccia della riga di comando

Categoria: Analisi del testo

Panoramica del modulo

Questo articolo descrive come usare il modulo Score Vowpal Wabbit Version 7-10 Model in Machine Learning Studio (versione classica) per generare punteggi per un set di dati di input usando un modello Vowpal Wabbit esistente.

Questo modulo usa la versione 7-10 del framework Vowpal Wabbit. Usare questo modulo per eseguire il punteggio dei dati usando un modello con training salvato nel formato 7-10.

Se sono disponibili modelli esistenti creati con una versione precedente, usare questi moduli:

• Training del modello Vowpal Wabbit 7-4
• Score Vowpal Wabbit 7-4 Model

Per la versione più recente di Vowpal Wabbit, usare:

• Training del modello Vowpal Wabbit 8
• Score Vowpal Wabbit 8 Model

Come configurare score vowpal wabbit versione 7-10

1. Aggiungere il modulo Score Vowpal Wabbit Version 7-10 Model all'esperimento.

2. Aggiungere un modello Vowpal Wabbit con training e connetterlo alla porta di input a sinistra. È possibile usare un modello con training creato nello stesso esperimento o individuare un modello salvato nel gruppo Modelli con training del riquadro di spostamento sinistro di Studio (versione classica).

   Restrizioni

   Il modello deve essere disponibile in Machine Learning Studio (versione classica). Non è possibile caricare direttamente un modello da Archiviazione di Azure.

   Sono supportati solo i modelli Vowpal Wabbit 7-10. Non è possibile connettere i modelli salvati di cui è stato training utilizzando altri algoritmi e non è possibile usare modelli di cui è stato creato il training usando versioni precedenti o successive.

3. Nella casella di testo VW arguments (Argomenti VW ) digitare un set di argomenti della riga di comando validi per l'eseguibile vowpal Wabbit.
   Per informazioni sugli argomenti di Vowpal Wabbit supportati e non supportati in Machine Learning, vedere la sezione Note tecniche.

4. Fare clic su Specifica tipo di dati e selezionare uno dei tipi di dati supportati dall'elenco.

   L'assegnazione dei punteggi richiede una singola colonna di dati compatibili con VW.

   Se si dispone di un file esistente creato nei formati SVMLight o VW, è possibile caricarlo nell'area di lavoro di Azure ML come nuovo set di dati in uno di questi formati: CSV generico senza intestazione, TSV senza intestazione.

   L'opzione VW richiede che sia presente un'etichetta, ma non viene usata per l'assegnazione dei punteggi, ad eccezione del confronto.

5. Aggiungere il modulo Import Data (Importa dati) e connetterlo alla porta di input di destra di Score Vowpal Wabbit version 7-10 (Score Vowpal Wabbit versione 7-10). Configurare l'importazione dei dati per accedere ai dati di input.

   I dati di input per l'assegnazione dei punteggi devono essere stati preparati in anticipo in uno dei formati supportati e archiviati nell'archivio BLOB di Azure.

6. Selezionare l'opzione Include an extra column containing labels (Includi una colonna aggiuntiva contenente etichette) se si vogliono visualizzare le etichette insieme ai punteggi.

   In genere, durante la gestione dei dati di testo, Vowpal Wabbit non richiede etichette e restituisce solo i punteggi per ogni riga di dati.

7. Selezionare l'opzione Usa risultati memorizzati nella cache se si vogliono usare di nuovo i risultati di un'esecuzione precedente, presupponendo che siano soddisfatte le condizioni seguenti:

   • Esiste una cache valida da un'esecuzione precedente.

   • Le impostazioni dei parametri e dei dati di input del modulo non sono state modificate dopo l'esecuzione precedente.

   In caso contrario, il processo di importazione viene ripetuto ogni volta che viene eseguito l'esperimento.

8. Eseguire l'esperimento.

Risultati

Al termine del training:

• Per visualizzare i risultati, fare clic con il pulsante destro del mouse sull'output del modulo Score Vowpal Wabbit Version 7-10 Model (Modello Score Vowpal Wabbit versione 7-10 ).

L'output indica un punteggio di stima normalizzato da 0 a 1.

Esempio

Per esempi di come usare Vowpal Wabbit in Machine Learning, vedere l'Azure AI Gallery:

• Esempio di Vowpal Wabbit

  Questo esperimento illustra la preparazione, il training e l'operazzazione dei dati di un modello VW.

Il video seguente fornisce una procedura dettagliata del processo di training e assegnazione dei punteggi per Vowpal Wabbit:

https://azure.microsoft.com/documentation/videos/text-analytics-and-vowpal-wabbit-in-azure-ml-studio/

Note tecniche

Questa sezione contiene informazioni dettagliate sull'implementazione, suggerimenti e risposte alle domande frequenti.

Parametri

Vowpal Wabbit include molte opzioni della riga di comando per la scelta e l'ottimizzazione degli algoritmi. Una descrizione completa di queste opzioni non è possibile in questo caso. È consigliabile visualizzare la pagina wiki di Vowpal Wabbit.

I parametri seguenti non sono supportati in Machine Learning Studio (versione classica).

• Opzioni di input/output specificate in https://github.com/JohnLangford/vowpal_wabbit/wiki/Command-line-arguments

  Queste proprietà sono già configurate automaticamente dal modulo.

• Inoltre, qualsiasi opzione che genera più output o accetta più input non è consentita. Sono inclusi --cbt, --ldae --wap.

• Sono supportati solo algoritmi di apprendimento supervisionati. In questo modo non sono consentite queste opzioni: –active, --ranke --search così via.

Sono consentiti tutti gli argomenti diversi da quelli descritti in precedenza.

Input previsti

Parametri del modulo

Output

Eccezioni

Per un elenco degli errori specifici dei moduli di Studio (versione classica), vedere Machine Learning codici di errore.

Per un elenco delle eccezioni API, vedere Machine Learning di errore dell'API REST.

Vedi anche

Analisi del testo
Hashing di funzioni
Riconoscimento di entità denominate
Punteggio vowpal wabbit 7-4 modello
Training del modello Vowpal Wabbit 7-4
Training del modello Vowpal Wabbit 7-10
Elenco moduli A-Z