# 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 | 描述 | | --- | --- | | 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 ML 或 Designer 创建的模型，其需要以下格式的 JSON：

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

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。 | ## 创建新连接执行以下操作： 1. 通过数据加载编辑器或脚本访问连接器。 2. 单击创建新连接。 3. 在空间下，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或脚本中的数据连接下列出。