Modul klasifikasi
Penting
Dukungan untuk Studio Azure Machine Learning (klasik) akan berakhir pada 31 Agustus 2024. Sebaiknya Anda transisi ke Azure Machine Learning sebelum tanggal tersebut.
Mulai 1 Desember 2021, Anda tidak akan dapat membuat sumber daya Studio Azure Machine Learning (klasik) baru. Hingga 31 Agustus 2024, Anda dapat terus menggunakan sumber daya Pembelajaran Mesin Studio (klasik) yang ada.
- Lihat informasi tentang memindahkan proyek pembelajaran mesin dari ML Studio (klasik) ke Azure Machine Learning.
- Mer informasjon tentang Azure Machine Learning.
ML Dokumentasi Studio (klasik) sedang berhenti dan mungkin tidak diperbarui di masa mendatang.
Artikel ini menjelaskan modul di Pembelajaran Mesin Studio (klasik) yang mendukung pembuatan model klasifikasi. Anda dapat menggunakan modul ini untuk membangun model klasifikasi biner atau multiclass.
Catatan
Berlaku untuk: Pembelajaran Mesin Studio (klasik) saja
Modul drag-and-drop serupa tersedia di Azure Machine Learning desainer.
Tentang klasifikasi
Klasifikasi adalah metode pembelajaran mesin yang menggunakan data untuk menentukan kategori, jenis, atau kelas item atau baris data. Misalnya, Anda dapat menggunakan klasifikasi untuk:
- Mengklasifikasikan filter email sebagai spam, sampah, atau bagus.
- Tentukan apakah sampel laboratorium pasien bersifat kanker.
- Kategorikan pelanggan berdasarkan kecenderungan mereka untuk menanggapi kampanye penjualan.
- Identifikasi sentimen sebagai positif atau negatif.
Tugas klasifikasi sering diatur oleh apakah klasifikasi adalah biner (baik A atau B) atau multiclass (beberapa kategori yang dapat diprediksi dengan menggunakan satu model).
Membuat model klasifikasi
Untuk membuat model klasifikasi, atau pengklasifikasi, pertama, pilih algoritma yang sesuai. Pertimbangkan faktor-faktor ini:
- Berapa banyak kelas atau hasil berbeda yang ingin Anda prediksi?
- Apa distribusi datanya?
- Berapa banyak waktu yang dapat Anda izinkan untuk pelatihan?
Pembelajaran Mesin Studio (klasik) menyediakan beberapa algoritma klasifikasi. Saat Anda menggunakan algoritma One-Vs-All , Anda bahkan dapat menerapkan pengklasifikasi biner ke masalah multiclass.
Setelah Anda memilih algoritma dan mengatur parameter dengan menggunakan modul di bagian ini, latih model pada data berlabel. Klasifikasi adalah metode pembelajaran mesin yang diawasi. Itu selalu membutuhkan data pelatihan berlabel.
Setelah pelatihan selesai, Anda dapat mengevaluasi dan menyetel model. Saat Anda puas dengan model, gunakan model terlatih untuk mencetak gol dengan data baru.
Daftar modul
Kategori Klasifikasi mencakup modul-modul berikut:
- Multiclass Decision Forest: Membuat model klasifikasi multiclass dengan menggunakan algoritma hutan keputusan.
- Multiclass Decision Jungle: Membuat model klasifikasi multiclass dengan menggunakan algoritma hutan keputusan.
- Regresi Logistik Multiclass: Membuat model klasifikasi regresi logistik multiclass.
- Multiclass Neural Network: Membuat model klasifikasi multiclass dengan menggunakan algoritma jaringan saraf.
- One-vs-All Multiclass: Membuat model klasifikasi multiclass dari ansambel model klasifikasi biner.
- Perceptron Rata-rata Dua Kelas: Menciptakan model klasifikasi biner perseceptron rata-rata.
- Mesin Bayes Point Dua Kelas: Membuat model klasifikasi biner mesin titik Bayes.
- Two-Class Boosted Decision Tree: Membuat pengklasifikasi biner dengan menggunakan algoritma pohon keputusan yang ditingkatkan.
- Hutan Keputusan Dua Kelas: Menciptakan model klasifikasi dua kelas dengan menggunakan algoritma hutan keputusan.
- Hutan Keputusan Dua Kelas: Membuat model klasifikasi dua kelas dengan menggunakan algoritma hutan keputusan.
- Mesin Vektor Dukungan Mendalam Lokal Dua Kelas: Membuat model klasifikasi biner dengan menggunakan algoritma Support Vector Machine yang mendalam secara lokal.
- Regresi Logistik Dua Kelas: Membuat model regresi logistik dua kelas.
- Jaringan Saraf Dua Kelas: Membuat pengklasifikasi biner dengan menggunakan algoritma jaringan saraf.
- Mesin Vektor Dukungan Dua Kelas: Membuat model klasifikasi biner dengan menggunakan algoritma Support Vector Machine.
Contoh
Untuk contoh klasifikasi yang beraksi, lihat Galeri AI Azure.
Untuk bantuan memilih algoritma, lihat artikel ini:
Lembar contekan algoritma pembelajaran mesin untuk Pembelajaran Mesin
Menyediakan bagan keputusan grafis untuk memandu Anda melalui proses seleksi.
Pilih Pembelajaran Mesin algoritma untuk pengelompokan, klasifikasi, atau regresi
Menjelaskan secara lebih rinci berbagai jenis algoritma pembelajaran mesin dan bagaimana mereka digunakan.