Veri Dönüştürme

  • Makale

Önemli

Machine Learning Stüdyosu (klasik) desteği 31 Ağustos 2024'te sona erecektir. Bu tarihe kadar Azure Machine Learning'e geçmenizi öneririz.

1 Aralık 2021'den başlayarak artık yeni Machine Learning Stüdyosu (klasik) kaynakları oluşturamayacaksınız. 31 Ağustos 2024'e kadar mevcut Machine Learning Stüdyosu (klasik) kaynaklarını kullanmaya devam edebilirsiniz.

ML Stüdyosu (klasik) belgeleri kullanımdan kaldırılacak ve gelecekte güncelleştirilmeyecektir.

Bu makalede, veri dönüştürme için Machine Learning Studio'da (klasik) sağlanan modüller listelanmıştır. Makine öğrenmesi için veri dönüştürme , veri kümelerini birleştirme veya sütun adlarını değiştirme gibi çok genel görevler içerir. Ancak, normalleştirme, gruplama ve gruplama ve eksik değerlerin çıkarılama gibi makine öğrenmesine özgü birçok görevi de içerir.

Not

Uygulama: Machine Learning Studio (yalnızca klasik)

Benzer sürükle ve bırak modülleri tasarımcıda da Azure Machine Learning kullanılabilir.

Önemli

Machine Learning Studio'da (klasik) kullanmakta olan verilerin, Machine Learning Studio'ya (klasik) içeri aktarmadan önce genellikle "düzenli" olması beklenir. Veri hazırlama, örneğin verilerin doğru kodlamayı kullandığına emin olmak ve verilerin tutarlı bir şemaya sahip olup olmadığını denetlemeyi içerebilir.

Veri dönüştürme modülleri aşağıdaki görev tabanlı kategorilere ayrılır:

  • Dijital sinyal işleme için filtre oluşturma: Dijital sinyal filtreleri görüntü tanıma, ses tanıma ve dalga biçimli analiz gibi makine öğrenmesi görevlerini desteklemek için sayısal verilere uygulanabilir.
  • Sayı tabanlı özellikler oluşturma ve kullanma: Sayı tabanlı özellik kazandırma modülleri, makine öğrenmesinde kullanmak üzere küçük özellikler geliştirmenize yardımcı olur.
  • Genel veri işleme ve hazırlama: Veri kümelerini birleştirme, eksik değerleri temizleme, verileri gruplama ve özetleme, sütun adlarını ve veri türlerini değiştirme ya da hangi sütunun etiket ya da özellik olduğunu belirterek.
  • Veri kümelerini örnekleme ve bölme: Verilerinizi eğitim ve test kümelerine bölün, veri kümelerini yüzdeye veya filtre koşuluna göre bölün veya örnekleme gerçekleştirin.
  • Verileri ölçeklendirme ve azaltma: Normalleştirme veya ölçeklendirme uygulayarak sayısal verileri analiz için hazırlayın. Verileri gruplara ekleme, outliers'ı kaldırma veya değiştirme ya da ana bileşen analizi (PCA) gerçekleştirme.

Modül listesi

Aşağıdaki modül kategorileri Veri Dönüştürme kategorisine dahildir :

Ayrıca bkz.