Machine Learning puanı

  • Makale

Önemli

Machine Learning Stüdyosu (klasik) desteği 31 Ağustos 2024'te sona erecektir. Bu tarihe kadar Azure Machine Learning'e geçmenizi öneririz.

1 Aralık 2021'den başlayarak artık yeni Machine Learning Stüdyosu (klasik) kaynakları oluşturamayacaksınız. 31 Ağustos 2024'e kadar mevcut Machine Learning Stüdyosu (klasik) kaynaklarını kullanmaya devam edebilirsiniz.

ML Stüdyosu (klasik) belgeleri kullanımdan kaldırılacak ve gelecekte güncelleştirilmeyecektir.

bu bölümde, puanlamaiçin Machine Learning Studio 'da (klasik) sunulan modüller listelenmektedir.

Not

uygulama hedefi: yalnızca Machine Learning Studio (klasik)

benzer sürükle ve bırak modülleri Azure Machine Learning tasarımcısındakullanılabilir.

Puanlama de tahmin olarak adlandırılır ve bazı yeni giriş verileri verildiğinde eğitilen makine öğrenimi modeline göre değer üretme işlemidir. Oluşturulan değerler veya puanlar gelecekteki değerlerin tahminlerini temsil edebilir, ancak olası bir kategoriyi veya sonucu da temsil edebilir. Puanın anlamı sağladığınız veri türüne ve oluşturduğunuz modelin türüne bağlıdır.

Machine Learning Studio 'da modeller oluşturma ve kullanma (klasik)

Machine Learning için tipik iş akışı aşağıdaki aşamaları içerir:

  • Uygun bir algoritma seçme ve başlangıç seçeneklerini ayarlama.
  • Modeli uyumlu verilerde eğitme.
  • Modeldeki desenleri temel alarak yeni verileri kullanarak tahmin oluşturma.
  • Tahmine dayalı değerin doğru olup olmadığını, ne kadar hata olduğunu ve herhangi bir fazla şey olduğunu öğrenmek için modeli değerlendirme.

Machine Learning Studio (klasik), Machine Learning için esnek ve özelleştirilebilir bir çerçeveyi destekler. Bu işlemdeki her görev, denemenizin geri kalanını bozmadan değiştirilebilir, eklenebilir veya kaldırılabilen belirli bir modül türü tarafından gerçekleştirilir.

Bu bölümdeki modüller Puanlama araçlarını içerir. Machine Learning 'in bu aşamasında, yeni verilere Öngörüler oluşturmak için eğitilen bir model uygularsınız. Bu tahminleri makine öğrenimi sonuçlarını tüketen bir uygulamaya gönderebilir ya da modelin doğruluğunu ve kullanışlılığını değerlendirmek için Puanlama sonuçlarını kullanabilirsiniz.

Puanlama hakkında daha fazla bilgi

Puanlama, makine öğreniminde, bir model ve bazı yeni girişler için yeni değerler oluşturma sürecini ifade eden yaygın olarak kullanılır. Puanlama işlemi çok sayıda farklı değer türü üretebildiğinden, "Score" genel terimi "tahmin" yerine kullanılır.

  • Önerilen öğelerin listesi ve benzerlik puanı.
  • Zaman serisi modelleri ve regresyon modelleri için sayısal değerler.
  • Yeni bir girişin mevcut bir kategoriye ait olma olasılığını gösteren bir olasılık değeri.
  • Yeni bir öğenin en benzer olduğu kategorinin veya kümenin adı.
  • Sınıflandırma modelleri için tahmin edilen bir sınıf veya sonuç.

Not

Ayrıca, veri analizinin sonucu olarak atanan bir ağırlığı veya değeri ifade etmek için kullanılan sözcük Puanını da duymuş olabilirsiniz. ancak, Machine Learning Studio 'da (klasik), puanlama genellikle yeni verilerden tahmin edilen değerler oluşturma sürecini gösterir.

Denemenize bu modüllerden birini eklediğinizde, zaten eğitilen bir makine öğrenme modeli ve bazı yeni veriler iliştirmelidir. Denemeyi veya seçili modülü çalıştırdığınızda Puanlama modülü yeni verileri alır, modele göre puanları hesaplar ve bir tablodaki puanları döndürür.

Puanlama için kullanılan veriler

Giriş olarak sağladığınız yeni verilerin genel olarak, modeli eğitme, etiket veya sonuç sütunu için kullanılan sütunlara sahip olması gerekir.

Yalnızca tanımlayıcı olarak kullanılan sütunlar genellikle bir model eğitiminde dışarıda bırakılır ve bu nedenle, Puanlama de dahil edilmelidir. Ancak, birincil anahtarlar gibi tanımlayıcılar daha sonra, sütun Ekle modülü kullanılarak Puanlama veri kümesiyle kolayca yeniden birleştirilebilir. Bu modül, veri kümesi boyutu değiştirilmedikçe bir JOIN anahtarı belirtmeniz gerekmeden işe yarar.

Veri kümeniz üzerinde Puanlama yapmadan önce, eksik değerleri ve null değerlerini her zaman denetleyin. Puanlama için giriş olarak kullanılan verilerde değerler eksik olduğunda, eksik değerler giriş olarak kullanılır. Null değerler yayıldığından, sonuç genellikle eksik bir değerdir.

Puanlama modülleri listesi

Machine Learning Studio (klasik) birçok farklı puanlama modülü sağlar. Kullandığınız modelin türüne veya gerçekleştirdiğiniz Puanlama görevinin türüne göre birini seçersiniz:

  • Dönüştürme uygula: bir veri kümesine iyi belirtilmiş bir veri dönüştürmesi uygular.

    Bir veri kümesine kaydedilmiş bir işlem uygulamak için bu modülü kullanın.

  • Kümelere veri atama: mevcut bir eğitilen kümeleme modeli kullanarak kümelere veri atar.

    Mevcut bir K-bit kümeleme modeline göre yeni verileri Kümelendirmek istiyorsanız bu modülü kullanın.

    Bu modül, kullanım dışı bırakılmış ancak mevcut denemeleri kullanılmaya devam eden küme atama (kullanım dışı) modülünün yerini alır.

  • Score Matchbox öneren: Matchbox öneren kullanarak bir veri kümesi için tahminleri puan puanları.

    Öneriler oluşturmak, ilgili öğeleri veya kullanıcıları bulmak ya da derecelendirmeleri tahmin etmek istiyorsanız bu modülü kullanın.

  • Puan modeli: eğitilen bir sınıflandırma veya regresyon modeli için tahminleri puan alır.

    Bu modülü, diğer tüm gerileme ve sınıflandırma modelleri ve bazı anomali algılama modelleriyle birlikte kullanın.

Örnekler

Azure yapay zeka Galerisi örnekler, temel ve Gelişmiş senaryolardan Puanlama sürecini gösterir:

Aşağıdaki makalelerde, Puanlama için makine öğrenimi modelini nasıl kullanabileceğiniz hakkında gerçek bir örnek verilmiştir:

Ayrıca bkz.