根据 Azure 开放数据集创建 Azure 机器学习数据集

以下代码显示 MNIST opendatasets 类可返回 TabularDataset 或 FileDataset ：

from azureml.core import Dataset
from azureml.opendatasets import MNIST
# MNIST class can return either TabularDataset or FileDataset
tabular_dataset = MNIST.get_tabular_dataset()
file_dataset = MNIST.get_file_dataset()
在此示例中，糖尿病 opendatasets 类仅可用作 TabularDataset。 这需要使用 get_tabular_dataset()。
from azureml.opendatasets import Diabetes
from azureml.core import Dataset
# Diabetes class can return ONLY TabularDataset and must be called from the static function
diabetes_tabular = Diabetes.get_tabular_dataset()
注册数据集
在工作区中注册 Azure 机器学习数据集，以便可与其他人共享并可在工作区中的各实验中重复使用该数据集。 注册从开放数据集创建的 Azure 机器学习数据集时，不会立即下载数据，但在请求时（例如在训练期间）将从集中存储位置访问数据。
若要在工作区中注册数据集，请使用 register() 方法。
titanic_ds = titanic_ds.register(workspace=workspace,
                                 name='titanic_ds',
                                 description='titanic training data')
使用工作室创建数据集
还可以使用 Azure 机器学习工作室基于 Azure 开放数据集创建 Azure 机器学习数据集。 这个整合的 Web 界面包括机器学习工具，所有技能级别的数据科学专业人员均可利用这些工具实现数据科学方案。
通过 Azure 机器学习工作室创建的数据集会自动注册到工作区。
在工作区中，选择左侧导航栏中的“数据”。 在“数据资产”选项卡上选择“创建”，如以下屏幕截图所示：

在下一个屏幕中，为新数据资产添加名称和可选的说明。 然后，在“类型”下拉列表中选择“表格”，如以下屏幕截图所示：

在下一个屏幕中，选择“从 Azure 开放数据集”，然后选择“下一步”，如以下屏幕截图所示：

在下一个屏幕中，选择可用的 Azure 开放数据集。 在此屏幕截图中，我们选择了“旧金山安全数据”数据集：

如有必要，请向下滚动并选择“下一步”，如以下屏幕截图所示：

（可选）使用适用于所选数据集的可用筛选器筛选数据。 对于“旧金山安全数据”数据集，我们将筛选日期范围设置为开始日期“2024 年 7 月 1 日”、结束日期“2024 年 7 月 17 日”。 选择“下一步”，如以下屏幕截图所示：

在下一个屏幕中检查新数据资产的设置，并进行任何必要的更改。 如果设置合适，请选择“创建”，如以下屏幕截图所示：

有关“旧金山安全数据”数据集的字段说明和日期范围的详细信息，请访问旧金山安全数据资源。 有关其他数据集的详细信息，请访问 Azure 开放数据集目录资源。

现在，该数据集已显示在工作区中的“数据集”下。 可以像使用创建的其他数据集一样来使用它。
访问供试验使用的数据集
在机器学习试验中使用数据集来训练 ML 模型。 有关详细信息，请访问详细了解如何使用数据集进行训练。
示例笔记本
有关开放数据集功能的示例和演示，请查看这些示例笔记本。
训练你的第一个 ML 模型。

使用数据集进行训练。
创建 Azure 机器学习数据集。