Módulos de classificação
Importante
O suporte para o Machine Learning Studio (clássico) terminará em 31 de agosto de 2024. É recomendável fazer a transição para o Azure Machine Learning até essa data.
A partir de 1º de dezembro de 2021, você não poderá criar recursos do Machine Learning Studio (clássico). Até 31 de agosto de 2024, você pode continuar usando os recursos existentes do Machine Learning Studio (clássico).
- Confira informações sobre como mover projetos de machine learning do ML Studio (clássico) para o Azure Machine Learning.
- Saiba mais sobre o Azure Machine Learning.
A documentação do ML Studio (clássico) está sendo desativada e pode não ser atualizada no futuro.
Este artigo descreve os módulos no Machine Learning Studio (clássico) que suportam a criação de modelos de classificação. Você pode usar esses módulos para criar modelos de classificação binária ou multiclasse.
Observação
Aplica-se a: Machine Learning Studio (clássico) somente
Módulos semelhantes do tipo "arrastar e soltar" estão disponíveis no designer do Azure Machine Learning.
Sobre classificação
A classificação é um método de aprendizado de máquina que usa dados para determinar a categoria, o tipo ou a classe de um item ou linha de dados. Por exemplo, você pode usar a classificação para:
- Classificar filtros de email como spam, lixo eletrônico ou bom.
- Determinar se a amostra de laboratório de um paciente é cancerígena.
- Categorizar os clientes pela sua propensão a responder a uma campanha de vendas.
- Identificar o sentimento como positivo ou negativo.
As tarefas de classificação são frequentemente organizadas se uma classificação é binária (A ou B) ou multiclasse (várias categorias que podem ser previstas usando um único modelo).
Criar um modelo de classificação
Para criar um modelo de classificação ou classificador, primeiro, selecione um algoritmo apropriado. Considere estes fatores:
- Quantas classes ou resultados diferentes você deseja prever?
- Qual é a distribuição dos dados?
- Quanto tempo você pode permitir para treinamento?
Machine Learning Studio (clássico) fornece vários algoritmos de classificação. Ao usar o algoritmo One-Vs-All , você pode até mesmo aplicar um classificador binário a um problema multiclasse.
Depois de escolher um algoritmo e definir os parâmetros usando os módulos nesta seção, treine o modelo em dados rotulados. A classificação é um método de machine learning supervisionado. Ele sempre requer dados de treinamento rotulados.
Quando o treinamento for concluído, você poderá avaliar e ajustar o modelo. Quando estiver satisfeito com o modelo, use o modelo treinado para pontuação com novos dados.
Lista de módulos
A categoria Classificação inclui os seguintes módulos:
- Floresta de Decisão Multiclasse: cria um modelo de classificação multiclasse usando o algoritmo de floresta de decisão.
- Floresta de Decisão Multiclasse: cria um modelo de classificação multiclasse usando o algoritmo de floresta de decisão.
- Regressão Logística Multiclasse: cria um modelo de classificação de regressão logística multiclasse.
- Rede Neural Multiclasse: cria um modelo de classificação multiclasse usando um algoritmo de rede neural.
- Multiclasse Um contra Todos: cria um modelo de classificação multiclasse de um conjunto de modelos de classificação binária.
- Perceptron médio de duas classes: cria um modelo de classificação binária perceptron médio.
- Computador de ponto Bayes de duas classes: cria um modelo de classificação binária do computador de ponto Bayes.
- Árvore de Decisão Reforçada de Duas Classes: cria um classificador binário usando um algoritmo de árvore de decisão reforçada.
- Floresta de Decisão de Duas Classes: cria um modelo de classificação de duas classes usando o algoritmo de floresta de decisão.
- Floresta de Decisão de Duas Classes: cria um modelo de classificação de duas classes usando o algoritmo de floresta de decisão.
- Computador de vetor de suporte profundo local de duas classes: cria um modelo de classificação binária usando o algoritmo computador de vetor de suporte localmente profundo.
- Regressão logística de duas classes: cria um modelo de regressão logística de duas classes.
- Rede Neural de Duas Classes: cria um classificador binário usando um algoritmo de rede neural.
- Computador vetor de suporte de duas classes: cria um modelo de classificação binária usando o algoritmo Computador de Vetor de Suporte.
Exemplos
Para ver exemplos de classificação em ação, consulte a Galeria de IA do Azure.
Para ajudar a escolher um algoritmo, confira estes artigos:
Folha de dados de algoritmo de aprendizado de máquina para Machine Learning
Fornece um gráfico de decisão para orientá-lo pelo processo de seleção.
Escolha Machine Learning algoritmos para clustering, classificação ou regressão
Explica mais detalhadamente os diferentes tipos de algoritmos de aprendizado de máquina e como eles são usados.