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
Adja hozzá a Modell pontozása összetevőt a folyamathoz.
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.
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 .
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: