在視覺化運算式中使用 Azure ML 連線
您可以在視覺化運算式中使用分析連線。在運算式中使用分析連線時的語法必須遵循伺服器端延伸語法。
只有當資料會根據使用者輸入而動態變更時，才應在視覺化運算式中處理資料。如果用於文字分析的文字來自資料模型並且始終相同，則文字分析應改為在載入指令碼中計算，並在資料模型中進行快取。
如果使用案例是根據使用者輸入，您可以在圖表運算式中使用分析連線和對應的伺服器端延伸語法來建立互動式圖表，以視覺化從模型端點接收的資料。
資訊備註在圖表運算式中使用 Azure ML 時，提供欄位的資料類型相當重要，因為 Azure 需要以正確的字串/數字格式處理這些資料類型。圖表運算式中伺服器端延伸有一個限制，也就是資料類型不會像在載入指令碼中那樣自動產生。
請執行下列動作：
-
編輯視覺效果時，按一下
進入運算式編輯器。 -
在運算式編輯器中，在運算式欄位中輸入運算式。必須使用伺服器端延伸語法建構運算式。
資訊備註根據資料大小和呼叫的機器學習端點，包含分析連線的圖表的回應能力可能會受到影響，因為資料被傳送到 Azure 服務並從該服務傳回以進行計算。
範例
下列是呼叫外部模型進行銀行客戶流失預測的範例：
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))