Azure Machine Learning tasarımcısında Python kodu çalıştırma

Bu makalede, Azure Machine Learning tasarımcısına özel mantık eklemek için Python Betiği Yürüt bileşeninin nasıl kullanılacağı açıklanmaktadır. Bu kılavuzda, basit özellik mühendisliği yapmak için Pandas kitaplığını kullanacaksınız.

Basit Python mantığını hızla eklemek için yerleşik kod düzenleyicisini kullanabilirsiniz. Daha karmaşık kod eklemek veya daha fazla Python kitaplığı yüklemek için zip dosyası yöntemini kullanmanız gerekir.

Varsayılan yürütme ortamı Python'ın Anacondas dağıtımını kullanır. Önceden yüklenmiş paketlerin tam listesi için Python Betiği İşleme bileşeni referansına bakın.

Tasarımcıda Python kodu yürütme

Python Betiği Yürüt bileşenini ekleme

1. Azure Machine Learning studio'da oturum açın ve kullanmak istediğiniz çalışma alanını seçin.

2. Kenar çubuğu menüsünden Tasarımcı'ya tıklayın. Klasik önceden oluşturulmuş bölümünde Klasik önceden oluşturulmuş bileşenleri kullanarak yeni işlem hattı oluştur'u seçin.

3. İşlem hattı tuvalinin solunda Bileşen'i seçin.

4. Python Dili bölümünde Python Betiğini Yürüt bileşenini bulun. Bileşeni sürükleyip işlem hattı tuvaline bırakın.

Giriş veri kümelerini bağlama

1. Automobile price data (Raw) örnek veri kümesini Örnek veriler bölümünde bulun. Veri kümesini sürükleyip işlem hattı tuvaline bırakın.

2. Veri kümesinin çıkış bağlantı noktasını Python Betiği Yürüt bileşeninin sol üst giriş bağlantı noktasına bağlayın. Tasarımcı girişi giriş noktası betiğinde parametre olarak kullanıma sunar.

   Doğru giriş bağlantı noktası sıkıştırılmış Python kitaplıkları için ayrılmıştır.

   

3. Kullandığınız belirli giriş bağlantı noktasını dikkatle not edin. Tasarımcı, sol giriş bağlantı noktasını değişkenine dataset1, orta giriş bağlantı noktasını ise öğesine dataset2atar.

Giriş bileşenleri isteğe bağlıdır, çünkü verileri doğrudan Python Betiği Yürüt bileşeninde oluşturabilir veya içeri aktarabilirsiniz.

Python kodunuzu yazma

Tasarımcı, düzenlemeniz ve kendi Python kodunuzu girmeniz için bir başlangıç giriş noktası betiği sağlar.

Bu örnekte, Beygir gücü başına Dolar adlı yeni bir sütun oluşturmak üzere otomobil veri kümesi sütunlarından ikisi olan Price ve Horsepower'ı birleştirmek için Pandas'ı kullanırsınız. Bu sütun, her bir beygir gücü birimi için ne kadar ödediğinizi temsil eder ve bu, belirli bir arabanın fiyatı için iyi bir anlaşma olup olmadığına karar vermek için yararlı bir bilgi noktası haline gelebilir.

1. Python Betiği Yürüt bileşenine çift tıklayın.

2. Tuvalin sağında görünen bölmede Python betiği metin kutusunu seçin.

3. Aşağıdaki kodu kopyalayıp metin kutusuna yapıştırın:

   import pandas as pd
   
   def azureml_main(dataframe1 = None, dataframe2 = None):
       dataframe1['Dollar/HP'] = dataframe1.price / dataframe1.horsepower
       return dataframe1
   

   İşlem hattınız şu görüntüye benzemelidir:

   

   Giriş noktası betiği işlevini azureml_mainiçermelidir. İşlev, Python Betiği Yürüt bileşeni için iki giriş bağlantı noktasıyla eşleşen iki işlev parametresine sahiptir.

   Dönüş değeri bir Pandas veri çerçevesi olmalıdır. Bileşen çıktısı olarak en fazla iki veri çerçevesi döndürebilirsiniz.

4. İşlem hattını gönderin.

Artık yeni bir Dolar/HP özelliğine sahip bir veri kümeniz var. Bu yeni özellik bir araba önericisi eğitmeye yardımcı olabilir. Bu örnekte özellik ayıklama ve boyut azaltma gösterilmektedir.

Sonraki adım