AutoML-afbeeldingsclassificatie met meerdere labels
In dit artikel wordt een onderdeel in de Azure Machine Learning-ontwerpfunctie beschreven.
Gebruik dit onderdeel om een machine learning-model te maken dat is gebaseerd op het multilabel AutoML-afbeeldingsclassificatie.
Afbeeldingsclassificatie met meerdere labels is een Computer Vision-taak waarbij het doel is om een set labels te voorspellen die aan elke afzonderlijke afbeelding zijn gekoppeld. U kunt overwegen om classificatie met meerdere labels te gebruiken, waarbij u verschillende eigenschappen van een bepaalde afbeelding moet bepalen.
Configureren
Volg deze koppeling voor een volledige lijst met configureerbare parameters van dit onderdeel.
Met dit onderdeel wordt een classificatiemodel gemaakt. Omdat classificatie een leermethode onder supervisie is, hebt u een gelabelde gegevensset nodig met een labelkolom met een waarde voor alle rijen.
Voor dit model is een trainingsgegevensset vereist. Validatie- en testgegevenssets zijn optioneel.
Volg deze koppeling voor meer informatie over het voorbereiden van uw gegevensset. De gegevensset heeft een gelabelde gegevensset nodig die een labelkolom met een waarde voor alle rijen bevat.
AutoML voert een aantal proefversies (opgegeven in max_trials) parallel (specified in max_concurrent_trial) uit die verschillende algoritmen en parameters voor uw model proberen. De service doorloopt ML-algoritmen die zijn gekoppeld aan hyperparameterselecties en elke proefversie produceert een model met een trainingsscore. U kunt de metrische gegevens kiezen waarvoor u het model wilt optimaliseren. Hoe beter de score voor de gekozen metrische gegevens, hoe beter het model wordt beschouwd als 'passend' voor uw gegevens. U kunt een afsluitcriteria (beëindigingsbeleid) voor het experiment definiëren. De afsluitcriteria zijn een model met een specifieke trainingsscore die autoML moet zoeken. Deze wordt gestopt zodra het voldoet aan de gedefinieerde afsluitcriteria. Dit onderdeel voert vervolgens het beste model uit dat is gegenereerd aan het einde van de uitvoering voor uw gegevensset. Ga naar deze koppeling voor meer informatie over afsluitcriteria (beëindigingsbeleid).
Voeg het onderdeel AutoML Image Classification Multi-label toe aan uw pijplijn.
Geef de doelkolom op die het model moet uitvoeren
Geef de primaire metrische gegevens op die autoML moet gebruiken om het succes van uw model te meten. Ga naar deze koppeling voor een uitleg over elke primaire metrische waarde voor Computer Vision.
(Optioneel) U kunt algoritme-instellingen configureren. Ga naar deze koppeling voor een lijst met ondersteunde algoritmen voor Computer Vision.
(Optioneel) Als u taaklimieten wilt configureren, gaat u naar deze koppeling voor meer uitleg.
(Optioneel) Ga naar deze koppeling voor een lijst met configuraties voor steekproeven en vroegtijdige beëindiging voor uw job sweep. U kunt ook meer informatie vinden over elk van de beleidsregels en steekproefmethoden.
Volgende stappen
Bekijk de set onderdelen die beschikbaar zijn voor Azure Machine Learning.