Anteckning
Åtkomst till den här sidan kräver auktorisering. Du kan prova att logga in eller ändra kataloger.
Åtkomst till den här sidan kräver auktorisering. Du kan prova att ändra kataloger.
Viktigt
Stödet för Machine Learning Studio (klassisk) upphör den 31 augusti 2024. Vi rekommenderar att du byter till Azure Machine Learning innan dess.
Från och med den 1 december 2021 kan du inte längre skapa nya Machine Learning Studio-resurser (klassisk). Du kan fortsätta att använda befintliga Machine Learning Studio-resurser (klassisk) till och med den 31 augusti 2024.
- Se information om hur du flyttar maskininlärningsprojekt från ML Studio (klassisk) till Azure Machine Learning.
- Läs mer om Azure Machine Learning.
Dokumentationen om ML Studio (klassisk) håller på att dras tillbaka och kanske inte uppdateras i framtiden.
I den här artikeln beskrivs IFilter, som är gränssnittet för att arbeta med digitala signalfilter i Machine Learning Studio (klassisk).
Anteckning
Gäller endast för: Machine Learning Studio (klassisk)
Liknande dra och släpp-moduler är tillgängliga i Azure Machine Learning designer.
Gränssnittet IFilter innehåller metoder och egenskaper som används för att konfigurera och interagera med digitala signalfilter som har definierats med någon av filtermodulerna i Studio (klassisk). Mer information finns i Filter.
Du kan använda gränssnittet IFilter för att spara ett filter eller använda ett fördefinierat filter på data.
- Ange ett filter som ska användas: typ, koefficienter osv.
- Tillämpa filtret på indata
- Generera en
DataTableav data med filterresultat
Du kan bara interagera med IFilter i Studio (klassisk) eller i något av de API:er som stöds.