Módulos de clasificación
Importante
El soporte técnico de Machine Learning Studio (clásico) finalizará el 31 de agosto de 2024. Se recomienda realizar la transición a Azure Machine Learning antes de esa fecha.
A partir del 1 de diciembre de 2021 no se podrán crear recursos de Machine Learning Studio (clásico). Hasta el 31 de agosto de 2024, puede seguir usando los recursos de Machine Learning Studio (clásico) existentes.
- Consulte la información acerca de traslado de proyectos de aprendizaje automático de ML Studio (clásico) a Azure Machine Learning.
- Más información sobre Azure Machine Learning.
La documentación de ML Studio (clásico) se está retirando y es posible que no se actualice en el futuro.
En este artículo se describen los módulos de Machine Learning Studio (clásico) que admiten la creación de modelos de clasificación. Puede usar estos módulos para compilar modelos de clasificación binaria o multiclase.
Nota:
Solo se aplica a: Machine Learning Studio (clásico)
Hay módulos para arrastrar y colocar similares en el diseñador de Azure Machine Learning.
Acerca de la clasificación
La clasificación es un método de aprendizaje automático que usa datos para determinar la categoría, el tipo o la clase de un elemento o fila de datos. Por ejemplo, puede utilizar la clasificación para:
- Clasifique los filtros de correo electrónico como correo no deseado, no deseado o bueno.
- Determinar si la muestra de laboratorio de un paciente es cancerosa.
- Categorizar a los clientes por su propensión a responder a una campaña de ventas.
- Identificar un sentimiento como positivo o negativo.
Las tareas de clasificación se organizan con frecuencia por si una clasificación es binaria (A o B) o multiclase (varias categorías que se pueden predecir mediante un único modelo).
Creación de un modelo de clasificación
Para crear primero un modelo de clasificación o un clasificador, seleccione un algoritmo adecuado. Tenga en cuenta estos factores:
- ¿Cuántas clases o resultados diferentes desea predecir?
- ¿Cuál es la distribución de los datos?
- ¿Cuánto tiempo se puede permitir para el entrenamiento?
Machine Learning Studio (clásico) proporciona varios algoritmos de clasificación. Cuando se usa el algoritmo Uno frente a todos, incluso se puede aplicar un clasificador binario a un problema multiclase.
Después de elegir un algoritmo y establecer los parámetros mediante los módulos de esta sección, entrena el modelo con datos etiquetados. La clasificación es un método de aprendizaje automático supervisado. Siempre requiere datos de entrenamiento etiquetados.
Una vez finalizado el entrenamiento, puede evaluar y ajustar el modelo. Cuando esté satisfecho con el modelo, use el modelo entrenado para puntuar con datos nuevos.
Lista de módulos
La categoría Clasificación incluye los siguientes módulos:
- Bosque de decisión multiclase: crea un modelo de clasificación multiclase mediante el algoritmo de bosque de decisión.
- Multiclase Decision Lotía: crea un modelo de clasificación multiclase mediante el algoritmo de algoritmo de algoritmo de decisión.
- Regresión logística multiclase: crea un modelo de clasificación de regresión logística multiclase.
- Red neuronal multiclase: crea un modelo de clasificación multiclase mediante un algoritmo de red neuronal.
- Uno frente a todos multiclase: crea un modelo de clasificación multiclase a partir de un conjunto de modelos de clasificación binaria.
- Perceptrón promedio de dos clases: crea un modelo de clasificación binaria de perceptrón promedio.
- Máquina de punto Bayes de dos clases: crea un modelo de clasificación binaria de máquina de punto de Bayes.
- Árbol de decisión potenciado de dos clases: crea un clasificador binario mediante un algoritmo de árbol de decisión potenciado.
- Bosque de decisión de dos clases: crea un modelo de clasificación de dos clases mediante el algoritmo de bosque de decisión.
- Decisión de dos clases: crea un modelo de clasificación de dos clases mediante el algoritmo de decisión.
- Máquina de vectores de compatibilidad localmente profunda de dos clases: crea un modelo de clasificación binaria mediante el algoritmo de máquina de vectores de soporte localmente profundo.
- Regresión logística de dos clases: crea un modelo de regresión logística de dos clases.
- Red neuronal de dos clases: crea un clasificador binario mediante un algoritmo de red neuronal.
- Máquina de vectores de soporte de dos clases: crea un modelo de clasificación binaria mediante el algoritmo De máquina de vectores de soporte.
Ejemplos
Para obtener ejemplos de clasificación en acción, vea el Azure AI Gallery.
Para obtener ayuda para elegir un algoritmo, consulte estos artículos:
Hoja de trucos de algoritmos de aprendizaje automático para Machine Learning
Proporciona un gráfico de decisión para guiarlo a través del proceso de selección.
Elección Machine Learning algoritmos para agrupación en clústeres, clasificación o regresión
Explica con más detalle los distintos tipos de algoritmos de aprendizaje automático y cómo se usan.