创建 Azure ML 连接

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 - 遗留格式：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 ML 或 Designer 创建的模型，后者需要以下格式的 JSON：

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

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。

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）。

Web 服务输入名：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。

• 返回表的名称：从已部署的机器学习模型返回的表的名称。

• Table Path (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。

• Load all available fields：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。

• Table Fields (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。

• Association Field：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。