Ga naar hoofdinhoud Ga naar aanvullende inhoud

Een Azure ML verbinding maken

Azure ML-verbindingen worden gemaakt in de editor voor laden van gegevens.

Zodra u een verbinding hebt gemaakt, kunt u gegevens selecteren in de beschikbare tabellen om naar Azure ML te sturen voor berekeningen en kunt u de resultaten vervolgens uploaden in uw app. Deze verbinding kan niet alleen worden gebruikt in uw load-script voor gegevens, maar ook in diagramuitdrukkingen om modeleindpunten aan te roepen en realtime diagramuitdrukkingsberekeningen te maken.

U moet beschikken over de instellingen en toegangscredentials voor de Azure ML-service waarmee u verbinding wilt maken.

Configureerbare instellingen

De volgende instellingen kunnen worden geconfigureerd in het dialoogvenster voor verbindingen:

Configureerbare instellingen in het dialoogvenster voor verbindingen
Veld Beschrijving
Configuratie selecteren

Menu-item in vervolgkeuzelijst om de configuratie te selecteren die bepaalt welke Azure ML-modellen moeten worden gebruikt voor prognoses van machine learning-modellen.

Ondersteunde configuraties:

  • Azure ML - verouderde indeling: deze configuratie moet worden gebruikt voor modellen die vóór half januari 2022 zijn geïmplementeerd en zijn gemaakt met behulp van Automated ML en waarvoor JSON de volgende indeling verwacht:

    {    "data": [      {        <field_list>      }    ] }
  • Azure ML: deze configuratie moet worden gebruikt voor modellen die zijn gemaakt met behulp van Automated ML of Designer en waarvoor JSON de volgende indeling verwacht:

    {    "Inputs": {      "<JSON_object_name>(default is ‘data’)": [        {          < field_list >        }      ]    } }
InformatieAls u twijfelt welke configuratie u moet gebruiken, dan kunt u uw model opnieuw implementeren zodat de nieuwe indeling wordt gebruikt.
Eindpuntnaam

Naam van het eindpunt.

De eindpuntnaam is de ID die aan het eindpunt is gegeven in Azure. Deze wordt meestal gemaakt door de gebruiker die het eindpunt instelt of een model implementeert.

Verificatie

Geeft de Azure ML-eindpuntsleutel.

Alle modellen in Azure worden geverifieerd met sleutelgebaseerde verificatie van Azure ingeschakeld. Dit vereist een gegenereerde toegangssleutel (primaire of secondaire sleutel) die toegang heeft tot de modelresource.

Aanvraag

Invoernaam webservice: naam van het JOSN-object dat wordt verwacht door het geïmplementeerde model voor machine learning. Moet worden gewijzigd als de standaardnaam niet geschikt is voor de indeling die door het model wordt gebruikt.

Responstabel
  • Naam van geretourneerde tabel: naam van de geretourneerde tabel van het geïmplementeerde machine learning-model.

  • Tabelpad (JMESPath): de tabel kan worden opgegeven met behulp van het JMES-tabelpad naar de prognoserij in de JSON-responsmatrix.

Responsvelden
  • Alle beschikbare velden laden: schakel laden in van alle beschikbare velden die worden geretourneerd door het machine learning-eindpunt. Als u deze optie uitschakelt, kunt u de tabelvelden en -waarden opgeven die in de app moeten worden geladen.

    Als u apps ontwikkelt, kunt u het beste eerst alle velden laden die door het modeleindpunt worden geretourneerd en dan eventueel de velden verwijderen die niet nodig zijn voor de analyse in de app.

  • Tabelvelden (JMESPath): de tabelvelden kunnen worden opgegeven door het volgende toe te voegen:

    • Naam: de naam van de tabel die in de app wordt geladen.

    • Waarde: de naam van de responsrij in de JSON-responsmatrix.

    Querytaal JMESPath kan worden gebruikt om de JSON-responsmatrix te parseren.

Koppeling
  • Koppelingsveld: geef een koppelingsveld op, dit is een veld van de invoergegevenstabel dat een unieke id bevat.

    Bij een eindpuntverzoek moet dit veld in de brongegevens zijn opgenomen om de geretourneerde resultatentabel met een sleutel aan de bronveldtabel te kunnen koppelen. Het aangewezen veld wordt geretourneerd als een veld in de respons en de prognoses kunnen worden gekoppeld aan de brongegevens in het gegevensmodel. Dit kan elk veld met een unieke ID zijn, zowel van de brongegevens of als deel van het tabelload-proces.

  • Koppelingsveld verzenden: als deze optie is geselecteerd, wordt het veld dat is opgegeven als koppelingsveld, geretourneerd naar Qlik Sense en opgenomen in de velden die naar het eindpunt worden verzonden.

    Als het veld deel uitmaakt van de brongegevens en door het model wordt verwacht, moet het naar het model worden verzonden door Associatieveld verzenden in te schakelen.

Naam De naam van de verbinding. Als u geen naam opgeeft, wordt de standaardnaam gebruikt.

Een nieuw verbinding maken

  1. Open de connector via de Editor voor laden van gegevens of de Script.

  2. Klik op Nieuwe verbinding maken.

  3. Onder Ruimte selecteert u de ruimte waarin de verbinding wordt geplaatst.

  4. Selecteer Azure ML in de lijst met gegevensconnectoren.

  5. Vul de velden van dialoogvenster voor verbindingen in.

  6. Klik op Maken.

Uw verbinding wordt nu weergegeven onder Gegevensverbindingen in Editor voor laden van gegevens of in Script.

Was deze pagina nuttig?

Als u problemen ervaart op deze pagina of de inhoud onjuist is – een typfout, een ontbrekende stap of een technische fout – laat het ons weten zodat we dit kunnen verbeteren!