Azure 机器学习工作室 SelectColumnsTransform - 如何修补或设置 Web 服务输入参数？
Azure Machine Learning Studio SelectColumnsTransform - how to patch or set web service input parameter?
https://gallery.azure.ai/Collection/Twitter-Sentiment-Analysis-Collection-1 shows use of Filter Based Feature Selection in the training experiment, which is used to generate a SelectColumnsTransform to be saved and used in the predictive experiment, alongside the trained model. The article at https://docs.microsoft.com/en-us/azure/machine-learning/studio/create-models-and-endpoints-with-powershell 处的情绪分析示例解释了如何以编程方式在不同数据集上训练多个模型、保存这些模型并创建然后修补多个新端点，以便每个端点都可用于使用不同模型进行评分.同样的技术也可用于创建和保存多个 SelectColumnsTransform 输出，用于特定于一组给定训练数据的特征选择。但是，Patch-AmlWebServiceEndpoint 似乎不允许修改评分 Web 服务中的 SelectColumnsTransform 以使用训练期间保存的相关 itransform。返回一条 'EditableResourcesNotAvailable' 消息，以及可以编辑的资源列表，其中包括模型但不包括转换。此外，与（比如说）ImportData 不同，SelectColumnsTransform 不提供任何可以公开为 Web 服务参数的参数。
那么，如何以编程方式创建多个 Web 服务端点，每个端点使用不同的 SelectColumnsTransform ittransform blob，例如每个端点基于不同训练数据集的文档分类服务？
非常感谢任何信息。
没关系。我完全摆脱了 SelectColumnsTransform（与示例实验不同），而是在训练实验中使用 R 脚本来保存所选列的名称，然后在预测实验中使用另一个 R 脚本来加载这些名称并删除任何其他功能列。
https://gallery.azure.ai/Collection/Twitter-Sentiment-Analysis-Collection-1 shows use of Filter Based Feature Selection in the training experiment, which is used to generate a SelectColumnsTransform to be saved and used in the predictive experiment, alongside the trained model. The article at https://docs.microsoft.com/en-us/azure/machine-learning/studio/create-models-and-endpoints-with-powershell 处的情绪分析示例解释了如何以编程方式在不同数据集上训练多个模型、保存这些模型并创建然后修补多个新端点，以便每个端点都可用于使用不同模型进行评分.同样的技术也可用于创建和保存多个 SelectColumnsTransform 输出，用于特定于一组给定训练数据的特征选择。但是，Patch-AmlWebServiceEndpoint 似乎不允许修改评分 Web 服务中的 SelectColumnsTransform 以使用训练期间保存的相关 itransform。返回一条 'EditableResourcesNotAvailable' 消息，以及可以编辑的资源列表，其中包括模型但不包括转换。此外，与（比如说）ImportData 不同，SelectColumnsTransform 不提供任何可以公开为 Web 服务参数的参数。
那么，如何以编程方式创建多个 Web 服务端点，每个端点使用不同的 SelectColumnsTransform ittransform blob，例如每个端点基于不同训练数据集的文档分类服务？
非常感谢任何信息。
没关系。我完全摆脱了 SelectColumnsTransform（与示例实验不同），而是在训练实验中使用 R 脚本来保存所选列的名称，然后在预测实验中使用另一个 R 脚本来加载这些名称并删除任何其他功能列。