MS Azure autoML准备错误文件格式/编码错误？

Question

我正在尝试按照以下Github示例部署MS Azure自动机器学习：

https://github.com/Azure/MachineLearningNotebooks/tree/master/how-to-use-azureml/automated-machine-learning/classification-bank-marketing

我更改了那里的代码以提供数据，但在执行autoML运行时遇到以下错误：

在automl.client.core.common.exceptions.DataprepException：无法执行指定的转换。在

来自： 文件“/azureml envs/azureml_e9e27206cd19de471f4e5c7a171037e/lib/python3.6/site-packages/azureml/automl/core/dataprep_实用程序.py，第50行，在try_retrieve_pandas_dataframe_adb中

现在，我认为我的数据有问题，但随后我对原始csv文件进行了以下实验：

第一次执行，如Github示例中所示，直接基于http链接构建数据流 第二次执行基于相同的csv构建数据流，但下载到我的共享。在

在第二种情况下，我得到了与我的数据相同的错误。这意味着，azureautoml运行/数据流/准备过程只接受特定的文件格式，在保存到我的驱动器时更改了该格式。 我不确定这是关于编码还是其他什么。 你能给我个建议吗？在

########################################
#Case 1, Error returned

data= "\\\dwdf219\\...\\bankmarketing_train.csv"
dflow = dprep.auto_read_file(data)
dflow.get_profile()
X_train = dflow.drop_columns(columns=['y'])
y_train = dflow.keep_columns(columns=['y'], validate_column_exists=True)
dflow.head()

# Train
automl_settings = {
    "iteration_timeout_minutes": 10,
    "iterations": 5,
    "n_cross_validations": 2,
    "primary_metric": 'AUC_weighted',
    "preprocess": True,
    "max_concurrent_iterations": 5,
    "verbosity": logging.INFO,
}

automl_config = AutoMLConfig(task = 'classification',
                             debug_log = 'automl_errors.log',
                             path = project_folder,
                             run_configuration=conda_run_config,
                             X = X_train,
                             y = y_train,
                             **automl_settings
                            )     

remote_run = experiment.submit(automl_config, show_output = True)


########################################
#Case 2, all works fine

data = "https://automlsamplenotebookdata.blob.core.windows.net/automl-sample-notebook-data/bankmarketing_train.csv"
dflow = dprep.auto_read_file(data)
dflow.get_profile()
X_train = dflow.drop_columns(columns=['y'])
y_train = dflow.keep_columns(columns=['y'], validate_column_exists=True)
dflow.head()

# Train ...
################################### 

Answer 1

对于远程运行，传递给dprep的文件在远程上使用，因此必须在远程（Linux）上访问该文件。在

Linux远程可以理解https和数据存储，但无法处理Windows样式的文件共享。（\\dwdf219\…\bankmarketing_火车.csv在这种情况下）

一种解决方案是通过数据存储传递数据。在

您可以使用以下方法上载到数据存储：

ds = ws.get_default_datastore()
ds.upload(src_dir='./myfolder', target_path='mypath', overwrite=True, show_progress=True)

然后在auto_read_文件中使用数据存储引用：

^{pr2}$

示例笔记本auto-ml-remote-amlcompute.ipynb显示了这一点。在