Určení skóre modelu

  • Článek

Důležité

Podpora studia Machine Learning (Classic) skončí 31. srpna 2024. Doporučujeme do tohoto data přejít na službu Azure Machine Learning.

Od 1. prosince 2021 nebude možné vytvářet nové prostředky studia Machine Learning (Classic). Do 31. srpna 2024 můžete pokračovat v používání stávajících prostředků studia Machine Learning (Classic).

Dokumentace ke studiu ML (Classic) se vyřazuje z provozu a v budoucnu se nemusí aktualizovat.

Predikce skóre pro natrénovaný klasifikační nebo regresní model

Kategorie: Machine Learning / Skóre

Poznámka

Platí pro: Machine Learning Studio (classic)

Podobné moduly s přetahováním jsou k dispozici v Azure Machine Learning návrháři.

Přehled modulu

Tento článek popisuje, jak pomocí modulu Skóre modelu v Machine Learning Studiu (klasickém) vygenerovat předpovědi pomocí natrénované klasifikace nebo regresní modelu.

Použití modelu skóre

  1. Přidejte modul Score Model (Skóre modelu) do experimentu v nástroji Studio (classic).

  2. Připojte natrénovaný model a datovou sadu obsahující nová vstupní data.

    Data by měla být ve formátu kompatibilním s typem vytrénovaných modelů, který používáte. Schéma vstupní datové sady by také obecně mělo odpovídat schématu dat použitých k trénování modelu.

  3. Spusťte experiment.

Výsledky

Po vygenerování sady skóre pomocí modelu skóre:

  • Vygenerování sady metrik používaných k vyhodnocení přesnosti (výkonu) modelu Datovou sadu se skóre můžete připojit k vyhodnocení modelu.
  • Klikněte pravým tlačítkem na modul a vyberte Vizualizovat, abyste zobrazili ukázku výsledků.
  • Uložte výsledky do datové sady.

Skóre neboli predikovaná hodnota může být v mnoha různých formátech v závislosti na modelu a vstupních datech:

  • U klasifikačních modelů vystupuje model skóre jako předpovězená hodnota pro třídu a také pravděpodobnost předpovězené hodnoty.
  • U regresních modelů model skóre vygeneruje pouze předpokládanou číselnou hodnotu.
  • U modelů klasifikace obrázků může být skóre třída objektu na obrázku nebo logická hodnota určující, jestli byla konkrétní funkce nalezena.

Publikování skóre jako webové služby

Vyhodnocení se běžně používá k vrácení výstupu jako součásti prediktivní webové služby. Další informace najdete v tomto kurzu o vytvoření webové služby založené na experimentu v Azure ML Studiu (classic):

Příklady

Příklady použití modelu skóre v experimentálním pracovním postupu najdete v Azure AI Gallery:

Technické poznámky

Modely, které nepodporuje model skóre

Pokud používáte jeden z následujících speciálních typů modelu, možná budete muset použít jeden z těchto vlastních modulů vyhodnocování:

Tipy k používání

Pokud data, která hodnotíte, obsahují chybějící hodnoty, v mnoha případech se pro celý řádek negeneruje žádné skóre.

Následující modely strojového učení vyžadují, aby v datech nechybí žádné hodnoty. Při použití následujících modelů strojového učení zkontrolujte data před jejich předáním do funkce Score Model (Skóre modelu) a pomocí příkazu Clean Missing Data (Vyčistit chybějící data) upravte chybějící hodnoty ve vstupních sloupcích.

Očekávané vstupy

Název Typ Description
Natrénovaný model ILearner – rozhraní Natrénovaný prediktivní model
Datová sada Tabulka dat Vstupní testovací datová sada

Výstupy

Název Typ Description
Datová sada se skóre Tabulka dat Datová sada se získanými skóre

Výjimky

Výjimka Description
Chyba 0032 K výjimce dojde, pokud argument není číslo.
Chyba 0033 K výjimce dojde, pokud je argument nekonečno.
Chyba 0003 K výjimce dochází v případě, že jeden nebo více vstupů má hodnotu null nebo je prázdný.
Chyba 0013 K výjimce dochází v případě, že je modul předaný neplatnému typu.

Viz také

Vyhodnotit
Trénování modelu
Doporučovat skóre matchboxu