Moduli di classificazione
Importante
Il supporto dello studio di Azure Machine Learning (versione classica) terminerà il 31 agosto 2024. È consigliabile passare ad Azure Machine Learning entro tale data.
A partire dal 1° dicembre 2021 non sarà possibile creare nuove risorse dello studio di Azure Machine Learning (versione classica). Fino al 31 agosto 2024 sarà possibile continuare a usare le risorse dello studio di Azure Machine Learning (versione classica).
- Vedere leinformazioni sullo spostamento di progetti di Machine Learning da ML Studio (versione classica) ad Azure Machine Learning.
- Altre informazioni sulle Azure Machine Learning.
La documentazione relativa allo studio di Machine Learning (versione classica) è in fase di ritiro e potrebbe non essere aggiornata in futuro.
Questo articolo descrive i moduli di Machine Learning Studio (versione classica) che supportano la creazione di modelli di classificazione. È possibile usare questi moduli per creare modelli di classificazione binaria o multiclasse.
Nota
Si applica a: Machine Learning Studio (versione classica)
Nella finestra di progettazione sono disponibili moduli simili Azure Machine Learning trascinamento della selezione.
Informazioni sulla classificazione
La classificazione è un metodo di Machine Learning che usa i dati per determinare la categoria, il tipo o la classe di un elemento o di una riga di dati. È ad esempio possibile usare la classificazione per:
- Classificare i filtri di posta elettronica come posta indesiderata, indesiderata o buona.
- Determinare se le analisi di laboratorio di un paziente indicano la presenza di cellule tumorali.
- Suddividere in categorie i clienti in base alla relativa propensione a rispondere a una campagna di vendita.
- Identificare il sentiment come positivo o negativo.
Le attività di classificazione sono spesso organizzate in base al fatto che una classificazione sia binaria (A o B) o multiclasse (più categorie che possono essere stimate usando un singolo modello).
Creare un modello di classificazione
Per creare prima un modello di classificazione, o classificatore, selezionare un algoritmo appropriato. Tenere presente questi fattori:
- Quante classi o risultati diversi si vuole stimare?
- Qual è la distribuzione dei dati?
- Quanto tempo è possibile concedere per il training?
Machine Learning Studio (versione classica) offre più algoritmi di classificazione. Quando si usa l'algoritmo One-Vs-All , è anche possibile applicare un classificatore binario a un problema multiclasse.
Dopo aver scelto un algoritmo e impostato i parametri usando i moduli di questa sezione, è possibile training del modello sui dati etichettati. La classificazione è un metodo di Machine Learning supervisionato. Richiede sempre dati di training etichettati.
Al termine del training, è possibile valutare e ottimizzare il modello. Quando si è soddisfatti del modello, usare il modello con training per l'assegnazione dei punteggi con i nuovi dati.
Elenco dei moduli
La categoria Classificazione include i moduli seguenti:
- Foresta delle decisioni multiclasse: crea un modello di classificazione multiclasse usando l'algoritmo della foresta delle decisioni.
- Multiclass Decision Piùclasse: crea un modello di classificazione multiclasse usando l'algoritmo di algoritmo di classificazione delle decisioni.
- Regressione logistica multiclasse: crea un modello di classificazione di regressione logistica multiclasse.
- Rete neurale multiclasse: crea un modello di classificazione multiclasse usando un algoritmo di rete neurale.
- One-vs-All Multiclass: crea un modello di classificazione multiclasse da un insieme di modelli di classificazione binaria.
- Perceptron medio a due classi: crea un modello di classificazione binaria perceptron medio.
- Two-Class Bayes Point Machine: crea un modello di classificazione binaria della macchina a punti Bayes.
- Albero delle decisioni con boosting a due classi: crea un classificatore binario usando un algoritmo di albero delle decisioni con boosting.
- Foresta delle decisioni a due classi: crea un modello di classificazione a due classi usando l'algoritmo della foresta delle decisioni.
- Two-Class Decision Decision Decision: crea un modello di classificazione a due classi usando l'algoritmo di classificazione delle decisioni.
- Two-Class Locally Deep Support Vector Machine: crea un modello di classificazione binaria usando l'algoritmo Macchina a vettori di supporto a livello locale.
- Regressione logistica a due classi: crea un modello di regressione logistica a due classi.
- Rete neurale a due classi: crea un classificatore binario usando un algoritmo di rete neurale.
- Two-Class Support Vector Machine(Macchina a vettori di supporto a due classi): crea un modello di classificazione binaria usando l'algoritmo Support Vector Machine.
Esempio
Per esempi di classificazione in azione, vedere il Azure AI Gallery.
Per informazioni sulla scelta di un algoritmo, vedere gli articoli seguenti:
Foglio di controllo degli algoritmi di Machine Learning per Machine Learning
Fornisce un grafico delle decisioni per guidare l'utente nel processo di selezione.
Scegliere Machine Learning per il clustering, la classificazione o la regressione
Illustra in modo più dettagliato i diversi tipi di algoritmi di Machine Learning e il modo in cui vengono usati.