Machine Learning puanı

Bu bölümde, Puanlama için Azure Machine Learning Studio (klasik) içinde sunulan modüller listelenmektedir.

Not

Uygulama hedefi: Machine Learning Studio (klasik)

Bu içerik yalnızca Studio (klasik) ile ilgilidir. Benzer sürükle ve bırak modülleri Azure Machine Learning tasarımcısına eklenmiştir. Bu makalede iki sürümü karşılaştırandaha fazla bilgi edinin.

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 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) makine öğrenimi 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 oluşturayana kadar "tahmin" yerine "puan" genel terimi kullanılır:

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

Not

Ayrıca, veri analizinin sonucu olarak atanan bir ağırlık veya değer anlamına gelen puan sözcüğü de duymuş da olabilir. Ancak Machine Learning Studio'da (klasik) puanlama genellikle yeni verilerden tahmin edilen değerler oluşturma sürecini gösterir.

Denemenize bu modüllerden birini eklerken, önceden eğitilmiş bir makine öğrenmesi modeli ve bazı yeni veriler eklemeniz gerekir. Denemeyi veya seçilen modülü çalıştırarak puanlama modülü yeni verileri alır, modeli temel alarak puanları hesaplar ve puanları bir tabloda döndürür.

Puanlama için kullanılan veriler

Giriş olarak yeni verilerde genellikle modeli eğitmek için kullanılan sütunların aynı olması, etiketin veya sonuç sütunlarının eksik olması gerekir.

Yalnızca tanımlayıcı olarak kullanılan sütunlar genellikle model eğitken hariç tutulur ve bu nedenle puanlama için de dışlama gerekir. Ancak, birincil anahtarlar gibi tanımlayıcılar daha sonra Sütun Ekle modülü kullanılarak puanlama veri kümesiyle kolayca yeniden bir araya edilebilir. Bu modül, veri kümesi boyutu değişmemiş olduğu sürece birleştirme anahtarı belirtmenize gerek kalmadan çalışır.

Veri kümeniz üzerinde puanlama gerçekleştirmeden önce her zaman eksik değerleri ve null değerleri kontrol edin. Puanlama için giriş olarak kullanılan verilerde eksik değerler olduğunda, eksik değerler giriş olarak kullanılır. Null değerler yayma nedeniyle sonuç genellikle eksik bir değer olur.

Puanlama modüllerinin 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 öğrenmesi modelini nasıl kullanabileceğiniz hakkında gerçek dünya örnekleri verilmiştir:

Ayrıca bkz.