Студия машинного обучения Azure SelectColumnsTransform - как исправить или установить входной параметр веб-службы?
Образец анализа настроений по адресу https://gallery.azure.ai/Collection/Twitter-Sentiment-Analysis-Collection-1 демонстрирует использование выбора на основе фильтра в обучающем эксперименте, который используется для генерации Transform SelectColumnsTransform, которая будет сохранена и использована в прогнозном эксперименте, наряду с обученной моделью. В статье на https://docs.microsoft.com/en-us/azure/machine-learning/studio/create-models-and-endpoints-with-powershell объясняется, как можно программно обучать несколько моделей на разных наборах данных, сохранять их модели и затем создайте патч для нескольких новых конечных точек, чтобы каждая из них могла использоваться для оценки с использованием другой модели. Тот же метод может также использоваться для создания и сохранения нескольких выходных данных SelectColumnsTransform для выбора характеристик, специфичных для данного набора обучающих данных. Однако Patch-AmlWebServiceEndpoint, по-видимому, не позволяет изменять SelectColumnsTransform в веб-службе скоринга для использования соответствующего itransform, сохраненного во время обучения. Возвращается сообщение "EditableResourcesNotAvailable" вместе со списком ресурсов, которые можно редактировать, включая модели, но не преобразования. Кроме того, в отличие от (скажем) ImportData, SelectColumnsTransform не предлагает никаких параметров, которые могут быть представлены в качестве параметров веб-службы.
Итак, как можно программно создать несколько конечных точек веб-службы, каждая из которых использует разные BLOB-объекты SelectColumnsTransform, например, для службы классификации документов, где каждая конечная точка основана на различном наборе обучающих данных?
Любая информация высоко ценится.
1 ответ
Не берите в голову. Я полностью избавился от SelectColumnsTransform (в отличие от примера эксперимента), вместо этого используя сценарий R в обучающем эксперименте для сохранения имен выбранных столбцов, а затем другой сценарий R в прогнозном эксперименте для загрузки этих имен и удаления любой другой функции. колонны.