跳到主要内容 跳到补充内容

创建 Azure ML 连接

已在数据加载编辑器中创建 Azure ML 连接

创建连接后,您可以从可用的表中选择要发送到 Azure ML 的数据进行计算,然后将这些数据加载到您的应用程序中。此连接不仅可以在数据加载脚本中使用,还可以在图表表达式中使用,以调用模型端点并执行实时图表表达式计算。

您必须知道要连接到 Azure ML 服务的设置和访问凭据。

配置设置

可以在连接对话框中配置以下设置:

连接对话框中可配置的设置
字段 说明
选择配置

下拉菜单项选择配置,该配置决定使用哪些 Azure ML 模型进行机器学习模型预测。

支持的配置:

  • Azure ML - 传统格式:此配置应用于 2022 年 1 月中旬之前部署的模型,这些模型是使用需要以下格式的 JSON 的 Automated ML 创建的:

    {    "data": [      {        <field_list>      }    ] }
  • Azure ML:此配置应用于使用 Automated MLDesigner 创建的模型,其需要以下格式的 JSON:

    {    "Inputs": {      "<JSON_object_name>(default is ‘data’)": [        {          < field_list >        }      ]    } }
信息注释如果您不确定要使用哪种配置,可以重新部署您的模型,它将使用新的格式。
端点名称

端点名称。

端点名称是为 Azure上的端点指定的标识符。这通常由设置端点或部署模型的用户创建。

身份验证

提供 Azure ML 端点密钥

Azure 上的所有模型都启用了基于 Azure 密钥的身份验证。这需要生成一个能够访问模型资源的访问密钥(主密钥或辅助密钥)。

请求

Web 服务输入名称:部署的机器学习模型需要的 JSON 对象的名称。如果默认名称与模型使用的格式不匹配,则必须更改。

响应表
  • 返回表的名称:从已部署的机器学习模型返回的表的名称。

  • 表路径 (JMESPath):可以通过使用 JSON 响应数组中的预测行的 JMES 表路径来指定表。

响应字段
  • 加载所有可用字段:启用机器学习端点返回的所有可用字段的加载。禁用此选项,将允许您指定要加载到应用程序中的表字段和值。

    在开发应用程序时,建议首先加载从模型端点返回的所有字段,然后可能删除不需要在应用程序中分析的字段。

  • 表字段 (JMESPath):表字段可以按以下元素添加:

    • Name:将在应用程序中加载的表的名称。

    • Value:JSON 响应数组中响应行的名称。

    可用于解析 JSON 响应数组的 JMESPath 查询语言。

关联
  • 关联字段:输入数据表中包含唯一标识符的字段。

    当对使用密钥对返回的与源字段表相关联的结果表发出端点请求时,需要在源数据中包含该字段。指定的字段将作为字段返回到响应中,并使预测能够与数据模型中的源数据相关联。这可以是任何具有惟一 ID 的字段,可以来自源数据,也可以作为表加载过程的一部分。

  • 发送关联字段:选中时,指定为关联字段的字段将返回到 Qlik Sense 发送给端点的字段中,并包含在发送到端点的字段中

    如果该字段属于源数据并且是模型所期望的,则需要通过启用发送关联字段将其发送到模型。

名称 连接的名称。如果不输入名称,将使用默认名称。

创建新连接

  1. 通过数据加载编辑器脚本 访问连接器。

  2. 单击创建新连接

  3. 空间下,选择连接所在的空间。

  4. 从数据连接器列表中选择 Azure ML

  5. 填写连接对话框字段。

  6. 单击创建

连接就会在 数据加载编辑器脚本 中的数据连接下列出。

本页面有帮助吗?

如果您发现此页面或其内容有任何问题 – 打字错误、遗漏步骤或技术错误 – 请告诉我们如何改进!