Машинное обучение Azure — пакетное выполнение частично работает

Я следил за этим примером галереи, но я просто не могу заставить пакетное выполнение возвращать несколько баллов за одну работу.

Все работает нормально, т.е. можно развернуть веб-API прогнозирования и запросить единую оценку. But whenever I send a batch execution job (using the sample C# коды) с более чем одним запросом, например:

ID1,ID2
1,2
3,1
5,1

Azure ML вернет оценки прогнозирования только для первого запроса 1,2, но не для других строк.

Я не уверен, где я делаю неправильно, но я должен ожидать результатов для всех трех запросов. Любая помощь будет оценена по достоинству!


azure machine-learning c# azure-machine-learning-studio
person Jia Jian Goi    schedule 20.07.2015    source источник
comment
Все еще ищу ответ! Прямо сейчас я разбиваю запросы на несколько заданий, а это не лучший способ, и это довольно дорогой обходной путь.   -  person Jia Jian Goi    schedule 20.07.2015
comment
Можете ли вы повторить глупый эксперимент и поделиться кодом и образцом ввода? Можно ли поделиться вашим текущим кодом и фактическим входным образцом?   -  person David Crook    schedule 29.08.2015

Ответы (1)


arrow_upward
2
arrow_downward

Похоже, вы выбрали неудачный пример: пользовательские сценарии в веб-службе Retail Forecasting явно отбрасывают все пары идентификаторов, кроме первой. Чтобы убедиться в этом, попробуйте загрузить эксперимент «Прогнозирование розничной торговли: шаг 6A из 6» и проверьте код в модуле «Создание полного временного ряда. Добавление меток времени в будущем». Вы найдете следующее:

all.time <- data.frame(ID1 = data$ID1[1], ID2 = data$ID2[1], time = all.time)
data <- join(all.time, data, by = c("ID1", "ID2", "time"), type = "left")
maml.mapOutputPort("data");

Оператор левого соединения игнорирует все строки, в которых data$ID1 != data$ID1[1] и data$ID2 != data$ID2[1]. Вот почему вы теряете все, кроме первой пары идентификаторов.

Похоже, что пакетное прогнозирование для нескольких пар идентификаторов в одном задании не было вариантом использования, который авторы пользовательских сценариев предполагали для своего веб-сервиса. Если вы хорошо владеете R и особенно заинтересованы в этом варианте использования, вы можете изменить сценарии в этом эксперименте, чтобы поддерживать одновременную обработку нескольких временных рядов. В противном случае вы можете просто попробовать другой пример эксперимента.

person mewahl    schedule 29.08.2016