Azure 机器学习数据转换答案

【问题标题】：Azure Machine Learning Data TransformationAzure 机器学习数据转换
【发布时间】：2016-02-16 13:49:52
【问题描述】：

机器学习能否用于转换/修改数字列表。

我有很多对从车辆 ECU 读取的二进制文件，一个在车辆调整之前的原始文件或库存文件，以及一个修改过引擎参数的文件。这些文件基本上是小端或大端 16 位数字的列表。

我想知道是否有可能将这些文件对输入到机器学习中，让它获取一个新的库存文件并尝试转换或调整该库存文件。

如果有人能告诉我这是否有可能，我将不胜感激。我发现的所有示例似乎都是根据数据做出决策，而不是进行任何形式的转换。

我也希望为此使用 azure。

【问题讨论】：

您能否在实验中创建您的流程？要读取您的数据，我会使用 Blob Readers。您将能够将文件路径作为 Web 服务参数传递。
您可以使用 AML 进行任何可以用 R 或 Python 表达的转换。包括 ML 学习的变换。但是，如果您想要更详细的答案，则必须向我们提供更多详细信息，最好先尝试并发布。

【解决方案1】：

我们需要有关您的具体问题的更多信息才能回答。但是，有监督的机器学习可以获取具有大量输入（比如你的股票文件）和输出（比如调整值）的数据，并学习这些输入和输出之间的相关性，然后能够预测输出新的输入。（在机器学习术语中，这些输入称为“特征”，输出称为“标签”。）

现在，在监督机器学习中，有一类算法称为回归算法。回归算法允许你预测一个数字（听起来像你想要的）。

现在，如果我正确理解您的问题，我看到的问题是您有一个完整的值列表需要调整。两件事：

同样，我需要更多地了解您的数据才能提出更好的建议，但我希望这会有所帮助。

【讨论】：

大部分文件为空，大部分数据区域保持不变。在上面的链接中，您可以看到粉红色的线是新修改的数据，白线是原始数据。但我不认为我可以单独测试每个值，它们分别没有任何意义。您所说的每个值是指该趋势线中的每个点吗？
我希望系统将原始文件中的字节序列识别为需要更改的区域，并尝试更改文件的该部分以使其看起来像粉红色的线。