Klasyfikacja modelu
W tym artykule opisano składnik w projektancie usługi Azure Machine Learning.
Ten składnik służy do generowania przewidywań przy użyciu wytrenowanego modelu klasyfikacji lub regresji.
Sposób użycia
Dodaj składnik Score Model (Generowanie wyników modelu ) do potoku.
Dołącz wytrenowany model i zestaw danych zawierający nowe dane wejściowe.
Dane powinny być w formacie zgodnym z typem wytrenowanego modelu, którego używasz. Schemat wejściowego zestawu danych powinien być również ogólnie zgodny ze schematem danych używanych do trenowania modelu.
Prześlij potok.
Wyniki
Po wygenerowaniu zestawu wyników przy użyciu modelu score:
- Aby wygenerować zestaw metryk używanych do oceny dokładności modelu (wydajność), możesz połączyć wygenerowany zestaw danych z usługą Evaluate Model( Ocena modelu).
- Kliknij prawym przyciskiem myszy składnik i wybierz pozycję Visualize (Wizualizacja ), aby wyświetlić próbkę wyników.
Wynik lub przewidywana wartość może być w wielu różnych formatach, w zależności od modelu i danych wejściowych:
- W przypadku modeli klasyfikacji wynik modelu zwraca przewidywaną wartość klasy, a także prawdopodobieństwo przewidywanej wartości.
- W przypadku modeli regresji model score generuje tylko przewidywaną wartość liczbową.
Publikowanie wyników jako usługi internetowej
Typowym zastosowaniem oceniania jest zwrócenie danych wyjściowych w ramach predykcyjnej usługi internetowej. Aby uzyskać więcej informacji, zobacz ten samouczek dotyczący wdrażania punktu końcowego w czasie rzeczywistym na podstawie potoku w projektancie usługi Azure Machine Learning.
Następne kroki
Zobacz zestaw składników dostępnych dla usługi Azure Machine Learning.