설명

상자 1: 누락된 데이터 정리
상자 2: 강타
Azure Machine Learning Studio의 SMOTE 모듈을 사용하여 기계 학습에 사용되는 데이터 세트에서 표현되지 않은 사례 수를 늘립니다. SMOTE는 단순히 기존 사례를 복제하는 것보다 드문 사례의 수를 늘리는 더 좋은 방법입니다.
상자 3: 지표 값으로 변환
Azure Machine Learning Studio에서 지표 값으로 변환 모듈을 사용합니다. 이 모듈의 목적은 범주 값이 포함된 열을 머신 러닝 모델의 기능으로 보다 쉽게 ​​사용할 수 있는 일련의 이진 지표 열로 변환하는 것입니다.
상자 4: 중복 행 제거
참조:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/smote
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/convert-to-indicator-values

설명

상자 1: 연결된 컴퓨팅

상자 2: 추론 클러스터
상자 3: 훈련 클러스터
상자 4: 연결된 컴퓨팅

설명
Python 인쇄/로깅 예제:
로깅.정보(메시지)
대상: 드라이버 로그, Azure Machine Learning 디자이너
참조:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-debug-pipelines

설명:
상자 1: training_data
실험 내에서 사용할 학습 데이터입니다. 여기에는 교육 기능과 레이블 열(선택적으로 샘플 가중치 열)이 모두 포함되어야 합니다. training_data가 지정된 경우 label_column_name 매개변수도 지정해야 합니다.
상자 2: validation_data
유효성 검사 데이터 제공: 이 경우 단일 데이터 파일로 시작하여 교육 및 유효성 검사 세트로 분할하거나 유효성 검사 세트에 대해 별도의 데이터 파일을 제공할 수 있습니다. 어느 쪽이든 AutoMLConfig 객체의 validation_data 매개변수는 검증 세트로 사용할 데이터를 할당합니다.
예, 다음 코드 예에서는 교육 및 유효성 검사에 사용할 데이터 세트의 제공된 데이터 부분을 명시적으로 정의합니다.
dataset = Dataset.Tabular.from_delimited_files(데이터)
training_data, validation_data = dataset.random_split(percentage=0.8, seed=1) automl_config = AutoMLConfig(compute_target = aml_remote_compute, task = 'classification', primary_metric = 'AUC_weighted', training_data = training_data, validation_data = validation_data, label_column_name = 'Class' ) 상자 3: label_column_name label_column_name:
레이블 열의 이름입니다. 입력 데이터가 열 이름이 없는 pandas.DataFrame에서 가져온 경우 정수로 표현되는 열 인덱스를 대신 사용할 수 있습니다.
이 매개변수는 training_data 및 validation_data 매개변수에 적용할 수 있습니다.
오답:
X: 실험 중에 파이프라인을 피팅할 때 사용할 학습 기능입니다. 이 설정은 더 이상 사용되지 않습니다. 대신 training_data 및 label_column_name을 사용하십시오.
Y: 실험 중에 파이프라인을 맞출 때 사용할 학습 레이블입니다. 이것이 모델이 예측할 값입니다. 이 설정은 더 이상 사용되지 않습니다. 대신 training_data 및 label_column_name을 사용하십시오.
X_valid: 실험 중에 파이프라인을 피팅할 때 사용할 유효성 검사 기능입니다.
지정된 경우 y_valid 또는 sample_weight_valid도 지정해야 합니다.
Y_valid: 실험 중에 파이프라인을 피팅할 때 사용할 유효성 검사 레이블입니다.
X_valid와 y_valid를 함께 지정해야 합니다.
exclude_nan_labels: 레이블에 NaN 값이 있는 행을 제외할지 여부입니다. 기본값은 참입니다.
y_max: y_max(부동 소수점)
회귀 실험에 대한 y의 최대값입니다. y_min과 y_max의 조합은 입력 데이터 범위를 기반으로 테스트 세트 메트릭을 정규화하는 데 사용됩니다. 지정하지 않으면 최대값이 데이터에서 유추됩니다.
참조:
https://docs.microsoft.com/en-us/python/api/azureml-train-automl-client/azureml.train.automl.automlconfig.automlconfig?view=azure-ml-py