変換の適用

適切に指定したデータ変換をデータセットに適用します

カテゴリ: Machine Learning/スコア

モジュールの概要

この記事では、Machine Learning Studio (クラシック) で変換の適用モジュールを使用して、以前に計算した変換に基づいて入力データセットを変更する方法について説明します。

たとえば、データの正規化モジュールを使用してトレーニング データを正規化するために z スコアを使用した場合は、スコアリング フェーズ中も、トレーニング用に計算された z スコア値を使用することができます。 Machine Learning Studio (クラシック) では、正規化メソッドを変換として保存し、[変換の適用] を使用してスコア付け前に入力データに z スコアを適用することで、これを簡単に行うことができます。

Machine Learning Studio (クラシック) では、さまざまな種類のカスタム変換の作成と適用がサポートされています。 たとえば、次の操作を行う変換を保存してから、再使用することができます。

• [見つからないデータのクリーンアップ] を使用して、欠落している値を削除したり置換する

• データの正規化またはデータのビンへのグループ 化 を使用したデータのビン分割、スケーリング 、正規化

• Counts モジュールを使用してデータセットの関節確率分布を計算することで、一連のコンパクト特徴ラーニング作成します。

変換の適用の使用方法

1. 変換の適用モジュールを実験に追加します。 [スコア] カテゴリの [Machine Learning] の下に 3 つのモジュールがあります。

2. 入力として使用する既存の変換を見つけます。

   変換が実験の前に作成された場合 (たとえば、クリーニング操作やデータ スケーリング操作の一部として)、通常、 ITransform インターフェイス オブジェクトはモジュールの右側の出力で使用できます。 Connect変換の適用] の左側の入力に出力されます。

   以前に保存した変換は、左側のナビゲーション ウィンドウの [変換] グループにあります。

   ヒント

   実験の変換を設計するが、明示的に保存しない場合は、セッションが開いている限り、ワークスペースで変換を使用できます。 セッションを閉じても変換を保存しない場合は、実験を再実行して ITransform インターフェイス オブジェクトを生成 できます。

3. 変換するデータセットを接続します。 そのデータセットには、この変換を最初に設計した対象データセットとまったく同じスキーマ (列数、列名、データ型) があるはずです。

4. 他のパラメーターを設定する必要はありません。すべてのカスタマイズは、変換を定義するときに行われます。

5. 新しいデータセットに変換を適用するには、実験を実行します。

例

このモジュールが機械学習でどのように使用されるのかについては、次の記事を Azure AI Gallery。

• オンライン不正検出: このサンプルでは、見つからないデータをクリーンアップして変換の適用を使用して、不足している値がすべてのデータセットで同じように処理される方法を示します。

• 予測メンテナンス: データの正規化で変換 の適用を 使用する 方法を示します。

• ラーニングカウントを使用する: 変換の適用を使用してカウント テーブルを再利用します。

テクニカル ノート

変換 の適用モジュール は、ITransform インターフェイスを作成するモジュールの出力を 入力として受け取る場合があります。 これらのモジュールは次のとおりです。

• 見つからないデータのクリーンアップ

• データの正規化

• データをビンにグループ化する

• カウントを使用した学習

想定される入力

出力

例外

Studio (クラシック) モジュールに固有のエラーの一覧については、「エラー コードMachine Learning参照してください。

API の例外の一覧については、「エラー コードMachine Learning REST API参照してください。

こちらもご覧ください

Assert
SQL 変換の適用
見つからないデータのクリーンアップ
データの正規化
モジュールの一覧 (アルファベット順)
データをビンにグループ化する