Relevanciamodell

Ez a cikk az Azure Machine Learning-tervező egy összetevőjét ismerteti.

Ezzel az összetevővel előrejelzéseket hozhat létre egy betanított besorolási vagy regressziós modell használatával.

Használat

1. Adja hozzá a Modell pontozása összetevőt a folyamathoz.

2. Csatoljon egy betanított modellt és egy új bemeneti adatokat tartalmazó adatkészletet.

   Az adatoknak kompatibilisnek kell lenniük a használt betanított modell típusával. A bemeneti adatkészlet sémájának általában meg kell egyeznie a modell betanítása során használt adatok sémájának is.

3. Küldje el a folyamatot.

Results (Eredmények)

Miután létrehozott egy pontszámkészletet a Score Model használatával:

• A modell pontosságának (teljesítményének) kiértékeléséhez használt metrikák létrehozásához csatlakoztathatja a pontozott adatkészletet a Modell kiértékeléséhez,
• Kattintson a jobb gombbal az összetevőre, és válassza a Vizualizáció lehetőséget az eredmények mintájának megtekintéséhez.

A pontszám vagy az előrejelzett érték a modelltől és a bemeneti adatoktól függően számos különböző formátumban lehet:

• Besorolási modellek esetén a Score Model az osztály előrejelzett értékét, valamint az előrejelzett érték valószínűségét adja eredményként.
• Regressziós modellek esetén a Score Model csak az előrejelzett numerikus értéket hozza létre.

Pontszámok közzététele webszolgáltatásként

A pontozás gyakori felhasználási célja a kimenet visszaadása egy prediktív webszolgáltatás részeként. További információkért tekintse meg ezt az oktatóanyagot , amely bemutatja, hogyan helyezhet üzembe valós idejű végpontot egy folyamat alapján az Azure Machine Learning Designerben.

Következő lépések

Tekintse meg az Azure Machine Learning számára elérhető összetevőket .