在可视化表达式中使用 Azure ML 连接
您可以在可视化表达式中使用分析连接。在表达式中使用分析连接时，语法必须遵循服务器端扩展语法。
只有当数据将根据用户的输入动态更改时，才应该在可视化表达式中处理数据。如果用于文本分析的文本来自数据模型，并且总是相同的，那么应该在加载脚本中计算文本分析，并将其缓存到数据模型中。
如果用例是基于用户输入的，那么您可以在图表表达式中使用分析连接和相应的服务器端扩展语法来创建交互式图表，可视化从模型端点接收到的数据。
信息注释在图表表达式中使用 Azure ML 时，提供字段的数据类型很重要，因为 Azure 需要以正确的字符串/数字格式处理。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算出。
执行以下操作：
-
在编辑可视化时，单击
进入表达式编辑器。 -
在表达式编辑器中，在表达式字段中输入一个表达式。表达式必须使用服务器端扩展语法构造。
信息注释根据数据大小和所调用的机器学习端点，包含分析连接的图表的响应性可能会受到影响，因为数据被发送到 Azure 服务并从服务返回来进行计算。
示例
下面是一个调用外部模型进行银行客户流失预测的示例：
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))