# Azure ML 分析源

Azure ML 是一个机器学习平台，用于自动化、保障和加速预测分析，帮助数据科学家和分析师建立和部署准确的预测模型。

支持以下 Azure ML 服务：

* 自动化 ML

* 设计人员

要连接到 Azure ML，您必须创建或访问模型并将其部署到 Azure ML 平台上的端点。此端点必须是 Qlik Cloud 可公开访问的。

[Azure 机器学习](https://azure.microsoft.com/en-us/services/machine-learning/)

## 启用 ML 端点于 Qlik Cloud

若要使用此连接器，必须在 Administration 活动中心中启用计算机学习端点。该开关位于设置部分的功能控制下。

有关更多信息，请参阅[为机器学习端点启用分析连接](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/LoadData/load-data-from-advanced-analytic-connections.htm#Enabling)。

## 限制

* Azure ML 使用限制和配额：

  [使用 Azure 机器学习管理和增加资源配额](https://docs.microsoft.com/en-us/azure/machine-learning/how-to-manage-quotas)

* 当调用 Azure ML 端点时，部署模型和请求的 Azure 配额将影响和限制 Qlik Sense 重新加载和图表响应的性能。

* Azure ML 连接器被限制为每个请求 200,000 行。这些将以 2000 行为单位分批发送到端点服务。在需要处理更多行的场景中，在数据加载脚本中使用循环批量处理更多行

* 在定期重新加载应用程序的场景中，最佳实践是使用 QVD 文件缓存预测，而且只将新行发送到预测端点。这将提高 Qlik Sense 应用程序重新加载的性能，并减少 Azure ML 端点上的负载。

* 在图表表达式中使用 Azure ML 时，提供字段的数据类型非常重要，因为模型需要以正确的字符串/数字格式处理这些字段。在图表表达式中服务器端扩展的一个限制是数据类型不会像在加载脚本中那样被自动检测。

* 如果您正在使用相关连接名称，如果您决定将应用程序从一个共享空间移动到另一个共享空间，或者如果您将应用程序从共享空间移动到您的私人空间，那么会需要一些时间更新分析连接以反映新的空间位置。

* 您无法在分析应用程序中的 数据管理器 中创建和管理到此连接器的连接。