Eksportowanie tabeli liczby

Eksportuje tabelę count z zapisanego przekształcenia do użycia z nowymi danymi

Kategoria: Edukacja z liczbami

Omówienie modułu

W tym artykule opisano sposób korzystania z modułu Export Count Table w programie Machine Learning Studio (wersja klasyczna). Moduł Export Count Table (Eksportowanie tabeli zliczania) zapewnia zgodność z poprzednimi wersjami z eksperymentami, które używają przestarzałej tabeli liczby kompilacji i przestarzałych modułów Count Featurizer.

Gdy używasz nowego modułu Przekształcanie zliczania kompilacji do tworzenia funkcji opartych na liczbach, moduł generuje dane wyjściowe zarówno zestawu danych cechowanych, jak i przekształcenia, które tworzą cechy na podstawie liczby. Korzystając z modułu Eksportuj tabelę zliczania, możesz oddzielić dane wyjściowe funkcji opartych na liczbach w tym nowszej części modułu na metadane zliczania i tabelę zliczania. Te formaty danych wyjściowych były używane przez wcześniejsze, przestarzałe moduły:

Aby uzyskać ogólne informacje na temat tabel zliczania i sposobu ich tworzenia, zobacz Edukacja z liczbami.

W przypadku wszystkich nowych eksperymentów zalecamy użycie następujących modułów:

• Przekształcanie zliczania kompilacji
• Modyfikowanie parametrów zliczanych tabel
• Scalanie przekształcenia liczby

Jak skonfigurować tabelę liczby eksportów

1. W Machine Learning Studio (klasycznej) otwórz eksperyment, w którym chcesz użyć zaimportowanych tabel zliczania.

2. Znajdź zapisane przekształcenie liczby i dodaj je do eksperymentu.

3. Połączenie dane wyjściowe zapisanego przekształcenia liczby (przekształcanie oznaczone etykietą) dotabeli zliczania eksportu.

4. Dodaj moduł Count Featurizer (przestarzały) do eksperymentu i połącz go z dwoma wyjściami tabeli Liczby eksportów.

5. Moduł Count Featurizer (przestarzały) wymaga dodatkowych danych wejściowych dla zestawu danych, który chcesz cechować. Połączenie zestawu danych, aby zastosować zapisane przekształcenie do danych wyjściowych.

6. Ustaw wszystkie wymagane parametry dla funkcji Count Featurizer (przestarzałe), w tym kolumnę etykiety, kolumny zliczania, kolumny do cechowania oraz funkcje na dane wyjściowe.

   Należy wybrać podzbiór kolumn, które zostały pierwotnie wybrane do przekształcenia zliczania. Jednak moduł Export Count Table nie zawiera listy tych kolumn, dlatego należy przejrzeć oryginalny eksperyment i zanotować, które kolumny zostały użyte. Jeśli wybierzesz kolumnę, która nie została użyta podczas tworzenia przekształcenia, zostanie podniesiony błąd.

Przykłady

Zapoznaj się z przykładami cechowania na podstawie liczby, korzystając z tych przykładowych eksperymentów w Azure AI Gallery:

• Przewidywanie opóźnień lotów: pokazuje, jak cechowanie na podstawie liczby może być przydatne w bardzo dużym zestawie danych.

• Edukacja z counts: multiclass classification with NYC taxi data (Klasyfikacja wieloklasowa z danymi taksówek w NYC): Pokazuje użycie funkcji opartych na liczbach w wieloklasowym zadaniu przewidywania.

• Edukacja z liczbami: klasyfikacja binarna z danymi taksówek w NYC: używa funkcji opartych na liczbach w zadaniu klasyfikacji binarnej.

Oczekiwane dane wejściowe

Dane wyjściowe

Wyjątki

Aby uzyskać listę błędów specyficznych dla modułów programu Studio (wersja klasyczna), zobacz Machine Learning Kodów błędów.

Aby uzyskać listę wyjątków interfejsu API, zobacz Machine Learning API REST Error Codes (Kody błędów interfejsu API REST).

Zobacz też

Edukacja z liczbami