分類モジュール

この記事では、分類モデルの作成をサポートする Azure Machine Learning Studio (クラシック) のモジュールについて説明します。 これらのモジュールを使用して、バイナリまたは多クラス分類モデルを作成できます。

注意

適用対象: Machine Learning Studio (クラシック)

このコンテンツは、Studio (クラシック) のみに関連しています。 Azure Machine Learning デザイナーに同様のドラッグアンドドロップモジュールが追加されました。 この記事では、2つのバージョンの比較について詳しく説明します。

分類について

分類は、データを使用して項目またはデータの行のカテゴリ、型、またはクラスを決定する機械学習メソッドです。 分類はたとえば、次のような目的に使用できます。

  • 電子メールフィルターをスパム、迷惑、または良好として分類します。
  • 患者の検体が癌性かどうかを判断する。
  • 顧客を販売キャンペーンへの反応性で分類する。
  • センチメントが肯定的か否定的かを判断する。

分類タスクは、分類がバイナリ (A または B) と多クラス (1 つのモデルを使用して予測できる複数のカテゴリ) のいずれであるかによって整理されることがよくあります。

分類モデルを作成する

最初に分類モデル (分類モデル) を作成する には、 適切なアルゴリズムを選択します。 次の点を考慮します。

  • 予測するクラスまたは異なる結果の数を確認できます。
  • データの分布はどのようなものですか。
  • トレーニングにはどのくらいの時間が必要ですか?

Machine Learning Studio (クラシック) では、複数の分類アルゴリズムが提供されます。 1 対すべてのアルゴリズムを使用する場合は、多クラス問題にバイナリ分類器を適用することもできます。

アルゴリズムを選択し、このセクションのモジュールを使用してパラメーターを設定した後、ラベルが付けられたデータでモデルをトレーニングします。 分類は、監視対象の機械学習方法です。 常に、ラベルの付いたトレーニングデータが必要です。

トレーニングが完了したら、モデルを 評価 して調整できます。 モデルに問題がなければ、トレーニング済みのモデルを使用して新しいデータに スコア を付けます。

モジュールの一覧

分類 カテゴリには、次のモジュールが含まれています。

動作の分類の例については、 Azure AI Galleryを参照してください。

アルゴリズムの選択の詳細については、次の記事を参照してください。

関連項目