Оценка модели

• 05/06/2019
• Чтение занимает 2 мин
• • x
  • o

Оценивает прогнозы с помощью обученной модели классификации или регрессии

Категория: машинное обучение/Оценка

Обзор модуля

В этой статье описывается, как использовать модуль оценки модели в машинное обучение Azure Studio (классическая модель) для создания прогнозов с помощью обученной модели классификации или регрессии.

Использование модели оценки

1. Добавьте модуль Оценка модели в эксперимент в студии (классическая модель).

2. Присоединение обученной модели и набора данных, содержащего новые входные данные.

   Данные должны быть в формате, совместимом с типом обученной модели, которую вы используете. Схема входного набора данных также должна соответствовать схеме данных, используемых для обучения модели.

3. Запустите эксперимент.

Результаты

После создания набора оценок с помощью модели оценки:

• Для создания набора метрик, используемых для оценки точности модели (производительность). для оценки моделиможно подключить набор данных с оценками.
• Щелкните правой кнопкой мыши модуль и выберите визуализировать , чтобы просмотреть образец результатов.
• Сохранение результатов в наборе данных.

Оценка или прогнозируемое значение могут быть в различных форматах в зависимости от модели и входных данных:

• Для моделей классификации модель оценки выводит прогнозируемое значение для класса, а также вероятность прогнозируемого значения.
• Для моделей регрессии модель оценки создает только прогнозируемое числовое значение.
• При использовании модели классификации изображений оценка может быть классом объекта в изображении или логическим значением, указывающим, найдена ли та или иная функция.

Публикация оценок как веб-службы

Обычно Оценка используется для возврата выходных данных в составе прогнозной веб-службы. Дополнительные сведения см. в этом руководстве по созданию веб-службы на основе эксперимента в студии машинного обучения Azure (классическая модель).

• Публикация веб-службы из студии машинного обучения Azure (классическая модель)

Примеры

Примеры использования модели оценки в экспериментальном рабочем процессе см. в Коллекция решений ии Azure:

• Сравнение моделей двоичной классификации
• Сравнение моделей мультиклассовой классификации
• Сравнение нескольких моделей регрессии

Технические примечания

Модели, не поддерживаемые моделью оценки

Если вы используете модель одного из следующих особых типов, возможно, вам потребуется использовать один из следующих пользовательских модулей оценки:

• Оценка модели кластеризации: используйте назначение данных кластерам.

• Создание рекомендаций или создание данных для ознакомления с рекомендацией: использование помощника по оценке Matchbox

Советы по использованию

Если в данных, которые вы оцениваете, есть недостающие значения, во многих случаях для всей строки не будут созданы оценки.

Для следующих моделей машинного обучения требуются данные, в которых нет недостающих значений. При использовании следующих моделей машинного обучения проверьте данные перед их передачей в модель оценкии используйте чистые отсутствующие данные для изменения отсутствующих значений во входных столбцах.

• Двухклассовая регрессионная логистическая модель
• Two-Class Support Vector Machine (Двухклассовый метод опорных векторов);

Ожидаемые входные данные

Выходные данные

Исключения

См. также раздел

Давать
Обучение модели
Подсистема Score Matchbox