分類別模組

  • 發行項

重要

Machine Learning 工作室 (傳統) 的支援將於 2024 年 8 月 31 日結束。 建議您在該日期之前轉換成 Azure Machine Learning。

自 2021 年 12 月 1 日起，您將無法建立新的 Machine Learning 工作室 (傳統) 資源。 在 2024 年 8 月 31 日之前，您可以繼續使用現有的 Machine Learning 工作室 (傳統) 資源。

ML 工作室 (傳統) 文件即將淘汰，未來將不再更新。

本文說明機器學習 Studio (傳統) 中支援建立分類模型的模組。 您可以使用這些模組來建立二進位或多元分類模型。

注意

適用于：僅限機器學習 Studio (傳統)

Azure Machine Learning 設計工具中提供類似的拖放模組。

關於分類

分類是一種機器學習方法，它會使用資料來判斷專案或資料列的分類、類型或類別。 例如，您可以使用分類來：

  • 將電子郵件篩選器分類為垃圾郵件、垃圾郵件或良好。
  • 判斷病患的實驗樣本是否有癌症病兆。
  • 依客戶回應銷售活動的傾向來分類客戶。
  • 識別情感是正面還是負面。

分類工作通常會依分類為二進位 (、A 或 B) 或多元 (可以使用單一模型) 預測的多個類別來組織。

建立分類模型

若要建立分類模型或 分類器，請先選取適當的演算法。 請考慮下列因素：

  • 您要預測多少類別或不同的結果？
  • 資料的分佈為何？
  • 您可以允許進行訓練的時間有多長？

機器學習 Studio (傳統) 提供多個分類演算法。 當您使用 一對多 演算法時，甚至可以將二元分類器套用至多元問題。

在您選擇演算法並使用本節中的模組設定參數之後，請在標示的資料上定型模型。 分類是受監督的機器學習方法。 它一律需要加上標籤的定型資料。

定型完成後，您就可以 評估 和調整模型。 當您滿意模型時，請使用定型的模型，以新資料進行 評分 。

模組清單

分類類別包含下列模組：

範例

如需作用中分類的範例，請參閱 Azure AI 資源庫。

如需協助選擇演算法，請參閱下列文章：

另請參閱