Erstellen einer Azure ML-Verbindung

Dropdown-Menüelement zur Auswahl der Konfiguration, die bestimmt, welche Azure ML-Modelle für Prognosen des Modells für maschinelles Lernen verwendet werden.

Unterstützte Konfiguration:

• Azure ML – Legacy-Format: Diese Konfiguration sollte für Modelle verwendet werden, die vor Mitte Januar 2022 bereitgestellt und mit Automated ML erstellt wurden, was JSON in folgendem Format erwartet:

  {    "data": [      {        <field_list>      }    ] }

• Azure ML: Diese Konfiguration sollte für Modelle verwendet werden, die mit Automated ML oder Designer erstellt wurden, was JSON in folgendem Format erwartet:

  {    "Inputs": {      "<JSON_object_name>(default is ‘data’)": [        {          < field_list >        }      ]    } }

Name des Endpunkts.

Der Endpunktname ist der Identifikator, der für den Endpunkt in Azure angegeben wird. Er wird in der Regel von dem Benutzer erstellt, der den Endpunkt einrichtet oder ein Modell bereitstellt.

Stellt den Azure ML-Endpunktschlüssel bereit.

Alle Modelle in Azure werden mit aktivierter Azure-schlüsselbasierter Authentifizierung authentifiziert. Dafür ist erforderlich, dass ein Zugriffsschlüssel (ein primärer oder sekundärer Schlüssel) generiert wird, der Zugriff auf die Modellressource hat.

Web Service Input Name: Name des JSON-Objekts, der vom bereitgestellten Modell für maschinelles Lernen erwartet wird. Muss geändert werden, wenn der Standardname nicht dem vom Modell verwendeten Format entspricht.

• Name of Returned Table: Name der vom bereitgestellten Modell für maschinelles Lernen zurückgegebenen Tabelle.

• Table Path (JMESPath): Die Tabelle kann angegeben werden, indem Sie den JMES-Tabellenpfad zur Prognosezeile im JSON-Antwort-Array verwenden.

• Load all available fields: Aktiviert das Laden aller verfügbaren Felder, die vom Endpunkt für maschinelles Lernen zurückgegeben werden. Wenn Sie diese Option deaktivieren, können Sie die Tabellenfelder und -werte angeben, die in die App geladen werden sollen.

  Beim Entwickeln von Apps wird empfohlen, zuerst alle Felder zu laden, die vom Modellendpunkt zurückgegeben werden, und dann gegebenenfalls die Felder zu entfernen, die für die Analyse in der App nicht benötigt werden.

• Table Fields (JMESPath): Die Tabellenfelder können angegeben werden, indem Folgendes hinzugefügt wird:

  • Name: der Name der Tabelle, die in die App geladen wird.

  • Wert: der Name der Antwortzeile im JSON-Antwort-Array.

  Die JMESPath-Abfragesprache kann verwendet werden, um das JSON-Antwort-Array zu analysieren.

• Association Field: Ein Feld aus der Eingabedatentabelle, das einen eindeutigen Identifikator enthält.

  Es ist erforderlich, dieses Feld in die Datenquelle einzuschließen, wenn eine Endpunktanforderung gestellt wird, damit die zurückgegebene Ergebnistabelle mittels eines Schlüssels mit der Quellfeldtabelle verknüpft wird. Das festgelegte Feld wird als Feld in der Antwort zurückgegeben und ermöglicht, dass die Prognosen mit den Quelldaten im Datenmodell verknüpft werden. Dabei kann es sich um ein beliebiges Feld mit einer eindeutigen ID handeln, entweder aus den Quelldaten oder als Teil des Tabellenladevorgangs.

• Send Association Field: Bei Auswahl wird das als Verknüpfungsfeld angegebene Feld sowohl an Qlik Sense zurückgegeben als auch in die Felder eingeschlossen, die an den Endpunkt gesendet werden.

  Wenn das Feld zu den Quelldaten gehört und vom Modell erwartet wird, muss es an das Modell gesendet werden, indem Sie Send Association Field aktivieren.