Använda Azure ML-kopplingar i visualiseringsuttryck

Du kan använda analyskopplingar i visualiseringsuttryck. Syntaxen när du använder analyskopplingar i uttryck måste följa syntaxen för komplement på serversidan.

Data ska endast behandlas i ett visualiseringsuttryck när de kommer att dynamiskt förändras baserat på inmatning från en användare. Om texten för textanalys kommer från datamodellen och alltid kommer att vara samma ska textanalysen istället beräknas i inläsningsskriptet och cachelagras i datamodellen.

Om användningscachen baseras på användarinmatning kan du använda en analyskoppling och motsvarande syntax för komplement på serversidan i ditt diagramuttryck till att skapa interaktiva diagram som visualiserar data som tagits emot från modellens slutpunkter.

När Azure ML används i ett diagramuttryck är det viktigt att tillhandahålla datatyper för fält eftersom Azure behöver behandla dessa i rätt sträng/numeriskt format. En begränsning med komplement på servern i diagramuttryck är att datatyper inte automatiskt löses eftersom de är i laddningsskriptet.

Gör följande:

När du redigerar en visualisering klickar du på för att gå till uttrycksredigeraren.
Ange ett uttryck i uttrycksfältet i uttrycksredigeraren. Uttrycket måste konstrueras med syntaxen för komplement på serversidan.

Beroende på datastorleken och de anropade slutpunkterna för maskininlärning kan responsen hos diagram som innehåller analytiska kopplingar påverkas på grund av att data skickas till och returneras från Azure-tjänster för beräkningar.

Arbeta med uttrycksredigeraren

Syntax för komplement på serversidan

Exempel

Här kommer ett exempel på ett anrop som görs till en extern modell som gör förutsägelser för omsättning av kundlån:

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))

Var den här sidan till hjälp för dig?

Om du hittar några fel på denna sida eller i innehållet – ett stavfel, ett steg som saknas eller ett tekniskt fel – berätta för oss så att vi kan blir bättre!

Lämna din feedback här