Určení skóre modelu

Skóre předpovědi pro vyškolený model klasifikace nebo regrese

Kategorie: Machine Learning/skóre

Poznámka

Platí pro: Machine Learning Studio (Classic)

Tento obsah se týká pouze studia (Classic). Podobné moduly přetažení byly přidány do návrháře Azure Machine Learning. Další informace najdete v tomto článku porovnávající tyto dvě verze.

Přehled modulu

Tento článek popisuje, jak použít modul určení skóre modelu v Azure Machine Learning Studio (Classic) k vygenerování předpovědi pomocí výukového modelu klasifikace nebo regrese.

Jak používat model skóre

  1. Přidejte modul určení skóre modelu do experimentu v studiu (Classic).

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

    Data by měla být ve formátu kompatibilním s typem vyškolený model, který používáte. Schéma vstupní datové sady by mělo také obecně odpovídat schématu dat použitých pro výuku modelu.

  3. Spusťte experiment.

Výsledky

Po vygenerování sady skóre pomocí modelu skóre:

  • Pro vygenerování sady metrik používané pro vyhodnocení přesnosti modelu (výkon). můžete propojit vyhodnocenoudatovou sadu k vyhodnocení modelu,
  • Klikněte pravým tlačítkem na modul a vyberte vizualizovat a zobrazí se ukázka výsledků.
  • Uloží výsledky do datové sady.

Skóre nebo předpokládaná hodnota může být v mnoha různých formátech v závislosti na modelu a vstupních datech:

  • U modelů klasifikace model skóre zapisuje předpokládanou hodnotu pro třídu a také pravděpodobnost předpovězené hodnoty.
  • Pro regresní modely generuje model skóre pouze předpovězenou číselnou hodnotu.
  • V případě modelů klasifikace obrázků může být skóre třída objektu v obrázku nebo logická hodnota, která označuje, zda byla nalezena konkrétní funkce.

Publikování skóre jako webové služby

Běžné použití bodování je vrácení výstupu v rámci prediktivní webové služby. Další informace najdete v tomto kurzu o vytvoření webové služby na základě experimentu v Azure ML Studio (Classic):

Příklady

Příklady toho, jak se model skóre používá v experimentálním pracovním postupu, najdete v Azure AI Gallery:

Technické poznámky

Modely nepodporované modelem skóre

Pokud používáte jeden z následujících speciálních typů modelu, může být nutné použít jeden z těchto vlastních modulů bodování:

Tipy k použití

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

Následující modely strojového učení vyžadují, aby data nechyběla. Pokud používáte následující modely strojového učení, zkontrolujte data před jejich předáním do modelu skórea pomocí Vyčištění chybějících dat opravte chybějící hodnoty ve vstupních sloupcích.

Očekávané vstupy

Název Typ Popis
Školený model Rozhraní ILearner Trained prediktivní model
Datová sada Tabulka dat Vstupní datová sada testu

Výstupy

Název Typ Popis
Datová sada s skóre Tabulka dat Datová sada s získanými skóre

Výjimky

Výjimka Popis
Chyba 0032 K výjimce dojde, pokud argument není číslo.
Chyba 0033 K výjimce dojde, pokud je argumentem nekonečno.
Chyba 0003 K výjimce dojde v případě, že jeden nebo více vstupů má hodnotu null nebo je prázdné.
Chyba 0013 K výjimce dojde v případě, že se informace předávají do modulu neplatného typu.

Viz také

Vyhodnotit
Model výuky
Doporučení pro skóre Matchbox