Saltar al contenido principal Saltar al contenido complementario

Utilizar conexiones a Azure ML en expresiones de visualización

Puede utilizar las conexiones analíticas en expresiones de visualización. La sintaxis cuando se utilizan las conexiones analíticas en expresiones debe seguir la sintaxis de las extensiones del lado del servidor.

Los datos deben procesarse en una expresión de visualización solo cuando cambien dinámicamente en función de lo introducido por un usuario. Si el texto para el análisis de texto es del modelo de datos y siempre será el mismo, el análisis de texto debe calcularse en el script de carga y almacenarse en caché en el modelo de datos.

Si el caso de uso se basa en lo introducido por el usuario, puede usar una conexión analítica y la sintaxis de extensión del lado del servidor correspondiente en su expresión de gráfico para crear gráficos interactivos que visualicen los datos recibidos de los puntos de conexión del modelo.

Nota informativaCuando se utiliza Azure ML en una expresión de gráfico, es importante proporcionar los tipos de datos de los campos, ya que Azure necesita procesarlos en el formato de texto/numérico correcto. Una limitación de las extensiones del lado del servidor en las expresiones de gráficos es que los tipos de datos no se resuelven automáticamente como en el script de carga.
  1. Al editar una visualización, haga clic en Expresión para acceder al editor de expresiones.

  2. En el editor de expresiones, inserte una expresión en el campo de expresión. La expresión debe construirse utilizando la sintaxis de extensión del lado del servidor.

Nota informativaDependiendo del tamaño de los datos y de los puntos de conexión invocados en el aprendizaje automático, la capacidad de respuesta de los gráficos que contienen conexiones analíticas podría verse afectada debido a que los datos se envían y devuelven desde los servicios de Azure para sus cálculos.

Trabajar con el editor de expresiones

Sintaxis de las extensiones del lado del servidor

Ejemplo

A continuación se muestra un ejemplo de una llamada realizada a un modelo externo que realiza una predicción de abandono de clientes bancarios:

sum(aggr(endpoints.ScriptEvalEx('SNNNNNNNNNNSSNNSNNNNNSSSSSNSNNSS','{"RequestType":"endpoint", "endpoint":{"connectionname":"$(vConnectionName)"}}', id_loan, CurrentBalance, loan_age, delq_sts, Margin, countLatePayment, RefinanceRateRelativity, RealGDP, ChangeUnemploymentRate, CurrentLCV, fico, flag_fthb, cd_msa, mi_pct, cnt_units, occpy_sts, cltv, dti, orig_upb, ltv, int_rt + vInterestRateShift as int_rt, channel, ppmt_pnlty, prod_type, st, prop_type, zipcode, loan_purpose, orig_loan_term, cnt_borr, flag_sc, customerFeedback ),id_loan))

¿Esta página le ha sido útil?

No dude en indicarnos en qué podemos mejorar si encuentra algún problema en esta página o su contenido, como, por ejemplo, errores tipográficos, pasos que falta o errores técnicos.