问题标签 [ml-studio]

我创建了两个 Web 服务（在数据工厂中使用 API 进行培训和预测。

1. 记忆训练
2. memory_train [Predictive_Exp.]

在数据工厂中，我创建了 ML Batch 执行，然后是 ML Update Resource1。我为我的数据工厂块使用了以下 API 和 i/ps。

机器学习批量执行：

1. 我创建了一个链接服务来访问我训练模型的 API 和密钥
2. 我在 blob 存储帐户中创建了 i/p 和 o/ps。

运行后，.ilearner文件存储在我的 blob 中

机器学习更新资源 1：

1. 我在 memory_train [Predictive_Exp.] 端点中创建了补丁端点
2. 我创建了第二个链接服务，它使用补丁端点 API 和链接服务中的密钥，为了更新资源端点，我再次使用了补丁端点 API。
3. 我尝试为 mr 第二个链接服务从默认和补丁切换几个 API，它们都不能更新我的预测模型

我收到此数据工厂块的以下错误，如果我做错了，你能建议我吗

诊断详情：

作业 ID 011f3f75-8065-4835-bef5-143e7ae22111。端点https://management.azureml.net/workspaces/324b91422294411f9fa65d624cdd507c/webservices/88c2f89a72f14a539d529a319598f5aa/endpoints/patch。

如果这被证明是一个明显的答案，我深表歉意，但我已经玩了一段时间了，并且怀疑我误解了关于 ML Stuido 的一些东西。我一直在玩 Matchbox Recommendations Sample（在此处找到）。为了了解数据操作是如何工作的，我删除了“编辑元数据”步骤并尝试重新添加它。我的理解是，这一步只是将字段的标签从 Id 更改为 User：

但是，在我删除并重新添加它（并重新链接它）之后：

后续任务（选择数据集中的列）现在出错，因为它不再识别用户：

这是 ML 工作室的一些怪癖（我需要按下按钮或其他东西来刷新它 - 我看不到任何明显的东西），还是我误解了这里应该发生的事情？

我想在 python 脚本上使用 Fuzzywuzzy 逻辑。我以这种方式实施，但我没有得到任何东西。

这是我的python脚本代码：

我们在 Azure ML Studio 中创建了一个实验，根据系统数据和用户数据预测一些调度活动。系统数据包括 CPU 时间、堆使用率和其他系统参数，而用户数据有用户的活动会话和一些用户特定的数据。我们的实验运行良好，返回的结果与我们预期的非常相似，但我们正在努力解决以下问题：-

1）我们的实验没有考虑更新数据来训练其模型。

2）每次我们都需要手动上传数据并重新训练模型。

我想知道是否真的可以使用一些 Web 服务或使用 Azure DB 将实时数据提供给 azure 实验。我们正在尝试更新我们在 Azure 存储中创建的 CSV 文件中的数据。这可能会解决我们的第一个查询。

现在，应该考虑这些更新的数据来定期自动训练模型。

如果有人可以帮助我们解决这个问题会很棒吗？

注意：我们使用在 Azure Studio 帮助下创建的 Web 服务来使用我们的模型。

Azure ML Studio Environment 在使用自定义 python 模型中的 pickle 文件时引发以下错误。python 本地模型，pickle 文件在本地环境中可以正常工作，但在 Azure ML Studio 环境中不能正常工作

错误 0085：脚本评估期间发生以下错误，请查看输出日志以获取更多信息： ---------- Python 解释器的错误消息开始 ---------- Caught exception while执行函数： Traceback（最近一次调用）：文件“C:\server\invokepy.py”，第 199 行，批量 odfs = mod.azureml_main(*idfs) 文件“C:\temp\b1cb10c870d842b9afcf8bb8037155a1.py”，行49、在 azureml_main 返回 DATA，model.predict_proba(DATA) 文件 "C:\pyhome\lib\site-packages\sklearn\ensemble\forest.py"，第 540 行，在 predict_proba n_jobs, _, _ = _partition_estimators(self. n_estimators, self.n_jobs) 文件“C:\pyhome\lib\site-packages\sklearn\ensemble\base.py”，第 101 行，在 _partition_estimators n_jobs = min(_get_n_jobs(n_jobs), n_estimators) 文件“C:\pyhome\lib\site-packages\sklearn\utils__init__.py"，第 456 行，在 _get_n_jobs 如果 n_jobs < 0: TypeError: unorderable types: NoneType() < int() Process returned with non-zero exit code 1 --- ------- Python 解释器的错误信息结束 ----------

有什么遗漏吗？

Python Pickle 文件适用于本地环境。

python自定义模型需要在azure ml studio中使用，部署为web服务，与本地模型输出相同

4月17日更新1：

Python 版本 2.7.11 在本地和 Azure ML Studio 中是相同的，但发现本地 [0.18.x] 和 Azure ML Studio [0.15.x] 中的 sklearn 版本不同，其中 train_test_split 不同，如下代码：

1) 现在，如何在 Azure ML Studio 中将 sklearn 包更新到最新版本？或者另一种方法是降级我的本地sklearn，尝试一下，将试验出来。

2) 另一个练习是使用 MDF [MulticlassDecisionForest] 算法在 Azure ML Studio 中创建模型。并且本地使用的是RFC [RandomForestClassifier]算法，但是两个输出完全不同，不匹配？

以下代码在 sklearn 版本 0.18.x 的本地环境中使用 RFC 算法： ## 随机森林分类器在本地环境中使用 sklearn 版本 0.18.x from sklearn.ensemble import RandomForestClassifier

3) 使用 sklearn 版本 0.15.x 的较低版本的 Azure ML Studio 执行 Python 脚本复制了本地 python 代码，这也产生了相同的本地输出，除了很少的测试数据集行。现在，如何将 Python 脚本中的模型作为未训练模型输入训练模型组件？还是在 DataSet 中写入 pickle 文件，并作为自定义模型使用？

非常感谢您的宝贵意见。

你好，

我是 Azure WebServices 的新手，在开发环境中，我的脚本正在执行，我什至可以在 Output.log 中看到结果，当我部署它时，它给了我错误，我已经附上了。

我有一点提示，对于单个请求响应，R 中的 as.character() 和 as.interger() 或 as.numeric() 不起作用，因此会产生错误，或者 i 可能完全错误。

我正在使用 Azure ML Studio 并尝试将 excel 文件作为数据集上传。但是，我没有选择它。我错过了什么吗？

我正在尝试将 MLStudio 与 Snowflake 连接，但是我看到没有用于雪花的连接器。我该如何连接。我想直接使用雪花，不想使用 Azure blob 或 ADL 来运行 ML 算法。

尝试使用 azure 依赖管理语法安装“calmap”依赖

并得到

每当我使用带有!、 单独或带有参数的任何东西时，我都会收到上述错误

我昨天第一次使用它也有效，但没有更多

我有一个 R 脚本，它以一个包含日期值的两列的 excel 文件作为输入，并提供 3 个具有相应预测值的日期作为输出。我已经使用三个节点在 Azure 机器学习工作室中成功实现了它。一个包含我使用的压缩包，一个包含输入 .csv 文件，最后一个包含 R 脚本。问题是当我将其部署为 Web 服务并尝试为 Col1 和 Col2 输入新值时，我收到以下错误。

FailedToParseValue: Failed to parse value '90000, 950000, 970000' as type 'System.Double'., Error code: LibraryExecutionError, Http status code:400

我使用的压缩库是：Hmisc、gdata、forecast、lubridate、fma、expsmooth、ggplot2、tsibble、fpp2 和 plyr。我也尝试过使用提供的笔记本，但运气不好，因为我总是在安装包时遇到某种问题。此外，我尝试在 本地遵循这种方法https://azure.github.io/azureml-sdk-for-r/articles/train-and-deploy-to-aci/train-and-deploy-to-aci.html来自 R Studio，但我很难适应我的情况。
任何帮助将不胜感激！