“编辑元数据”组件

本文介绍 Azure 机器学习设计器中包含的一个组件。

使用“编辑元数据”组件可以更改与数据集中的列关联的元数据。 使用“编辑元数据”组件后会更改数据集的值和数据类型。

典型的元数据更改可能包括：

• 将布尔值或数字列视为分类值。

• 指示哪个列包含类标签，或包含要分类或预测的值。

• 将列标记为特征。

• 将日期/时间值更改为数字值，或反之。

• 重命名列。

随时可以使用“编辑元数据”来修改列的定义（目的往往是为了满足下游组件的要求）。 例如，某些组件仅使用特定类型的数据，或者需要列标记，例如 IsFeature 或 IsCategorical。

执行所需的操作后，可将元数据重置为其原始状态。

配置“编辑元数据”

1. 在 Azure 机器学习设计器中，将“编辑元数据”组件添加到管道，并连接要更新的数据集。 可以在“数据转换”类别中找到该组件。

2. 单击组件右侧面板中的“编辑列”，然后选择要使用的一列或一组列。 可以按名称或索引单独选择列，也可以按类型选择一组列。

3. 如果需要将不同的数据类型分配到所选列，请选择“数据类型”选项。 可能需要更改某些运算的数据类型。 例如，如果源数据集中的数字作为文本进行处理，则在使用数学运算之前，必须将相关的列更改为数字数据类型。

   • 支持的数据类型为“字符串”、“整数”、“双精度”、“布尔值”和“日期时间”。

   • 如果选择多个列，必须将元数据更改应用到所有选定列。 例如，假设选择了两个或三个数字列。 可将所有这些列更改为字符串数据类型，并通过一个操作将其重命名。 但是，不能将一列更改为字符串数据类型，将另一列从浮点数更改为整数。

   • 如果未指定新数据类型，则列的元数据将保持不变。

   • 执行“编辑元数据”操作后，列类型和值将会更改。 随时可以使用“编辑元数据”重置列数据类型，以此恢复原始数据类型。

   注意

   “日期/时间格式”遵循 Python 内置日期/时间格式。
   如果将任何类型的数字更改为“日期时间”类型，请将“日期时间”格式保留空白。 目前无法指定目标数据格式。

4. 选择“分类”选项，指定应将所选列中的值视为类别。

   例如，你的某个列包含数字 0、1 和 2，但你知道这些数字实际上表示“烟民”、“非烟民”和“未知”。在这种情况下，将该列标记为分类可以确保这些值仅用于分组数据，而不会在数字计算中使用。

5. 若要更改 Azure 机器学习在模型中使用数据的方式，请使用“字段”选项。

   • 功能：使用此选项可将列标记为仅对特征列运行的组件中的特征。 默认情况下，最初会将所有列视为特征。

   • 标签：使用此选项来标记标签（也称为可预测属性或目标变量）。 许多组件要求数据集中只存在一个标签列。

     在许多情况下，Azure 机器学习可以推断某列是否包含类标签。 通过设置此元数据，可以确保正确标识列。 设置此选项不会更改数据值。 它只会更改某些机器学习算法处理数据的方式。

   提示

   是否有不适合这些类别的数据？ 例如，数据集可能包含无法用作变量的值（例如唯一标识符）。 在模型中使用时，此类 ID 有时可能会导致问题。

   幸运的是，Azure 机器学习会保留所有数据，因此，你无需从数据集中删除此类列。 如果需要对某些特殊的一组列执行操作，只需使用在数据集中选择列组件暂时删除所有其他列。 稍后，可以使用添加列组件将列合并回数据集。

6. 使用以下选项可以清除前面所做的选择，并将元数据还原为默认值。

   • 清除特征：使用此选项可以删除特征标志。

     最初会将所有列视为特征。 对于执行数学运算的组件，可能需要使用此选项来防止将数值列视为变量。

   • 清除标签：使用此选项可从指定的列中删除标签元数据。

   • 清除评分：使用此选项可从指定的列中删除评分元数据。

     目前无法在 Azure 机器学习中将列显式标记为评分。 但是，某些操作会导致在内部将列标记为评分。 此外，自定义 R 组件可能会输出评分值。

7. 对于“新列名”，请输入所选的一个或多个列的新名称。

   • 列名只能使用 UTF-8 编码支持的字符。 不允许空字符串、null 值，或完全由空格组成的名称。

   • 若要重命名多个列，请按列索引的顺序以逗号分隔列表的形式输入名称。

   • 必须重命名所有选定列。 不能省略或跳过列。

8. 提交管道。

后续步骤

请参阅 Azure 机器学习可用的组件集。