在Azure ML Studio中，我们可以选择许多内置的机器学习模型，如分类、回归等，并通过拖放的方式将其添加到工作流程中。

我的问题是，我能否上传我在本地系统上使用Python构建的自定义机器学习模型，并将其添加到工作流程中？

回答：

1. 将model.pkl文件压缩打包，然后上传到Azure Machine Learning Studio。点击左下角的“新建”图标：
2. 在弹出的面板中，点击数据集，然后选择“从本地文件”：
3. 选择存储您序列化模型的压缩文件并点击确认。您的实验应该看起来像这样：
4. 输入以下代码来运行您的分类实验：

import pandas as pdimport sysimport pickledef azureml_main(dataframe1 = None, dataframe2 = None):    sys.path.insert(0,".\Script Bundle")    model = pickle.load(open(".\Script Bundle\model.pkl", 'rb'))    pred = model.predict(dataframe1)    return pd.DataFrame([pred[0]])

更新 如果您想将此实验声明为API，您需要在Python脚本模块中添加Web输入和输出。