Condividi tramite


Assegnare il punteggio al modello

Importante

Il supporto dello studio di Azure Machine Learning (versione classica) terminerà il 31 agosto 2024. È consigliabile passare ad Azure Machine Learning entro tale data.

A partire dal 1° dicembre 2021 non sarà possibile creare nuove risorse dello studio di Azure Machine Learning (versione classica). Fino al 31 agosto 2024 sarà possibile continuare a usare le risorse dello studio di Azure Machine Learning (versione classica).

La documentazione relativa allo studio di Machine Learning (versione classica) è in fase di ritiro e potrebbe non essere aggiornata in futuro.

Assegna un punteggio alle stime per un modello di classificazione o regressione con training

Categoria: Machine Learning/Punteggio

Nota

Si applica a: Machine Learning Studio (versione classica)

Nella finestra di progettazione sono disponibili moduli simili Azure Machine Learning trascinamento della selezione.

Panoramica del modulo

Questo articolo descrive come usare il modulo Score Model in Machine Learning Studio (versione classica) per generare stime usando un modello di classificazione o regressione con training.

Come usare score model

  1. Aggiungere il modulo Score Model all'esperimento in Studio (versione classica).

  2. Collegare un modello con training e un set di dati contenente nuovi dati di input.

    I dati devono essere in un formato compatibile con il tipo di modello con training in uso. Lo schema del set di dati di input deve in genere corrispondere anche allo schema dei dati usati per eseguire il training del modello.

  3. Eseguire l'esperimento.

Risultati

Dopo aver generato un set di punteggi usando Score Model:

  • Per generare un set di metriche usate per valutare l'accuratezza (prestazioni) del modello. è possibile connettere il set di dati con punteggio a Evaluate Model,
  • Fare clic con il pulsante destro del mouse sul modulo e scegliere Visualizza per visualizzare un esempio dei risultati.
  • Salvare i risultati in un set di dati.

Il punteggio, o valore previsto, può essere in molti formati diversi, a seconda del modello e dei dati di input:

  • Per i modelli di classificazione, Score Model restituisce un valore previsto per la classe, nonché la probabilità del valore previsto.
  • Per i modelli di regressione, Score Model genera solo il valore numerico previsto.
  • Per i modelli di classificazione di immagini, il punteggio potrebbe essere la classe dell'oggetto nell'immagine o un valore booleano che indica se è stata trovata una caratteristica specifica.

Pubblicare punteggi come servizio Web

Un uso comune dell'assegnazione dei punteggi è la restituzione dell'output come parte di un servizio Web predittivo. Per altre informazioni, vedere questa esercitazione su come creare un servizio Web basato su un esperimento in Azure ML Studio (versione classica):

Esempio

Per esempi dell'uso di Score Model in un flusso di lavoro sperimentale, vedere l'Azure AI Gallery:

Note tecniche

Modelli non supportati dal modello score

Se si usa uno dei seguenti tipi speciali di modello, è necessario usare uno di questi moduli personalizzati di assegnazione di punteggi:

Suggerimenti per l'uso

Se i dati a cui si assegna un punteggio contengono valori mancanti, in molti casi che non verrà generato alcun punteggio per l'intera riga.

Per i seguenti modelli di Machine Learning è necessario che nei dati non siano presenti valori mancanti. Quando si usano i modelli di Machine Learning seguenti, esaminare i dati prima di passarlo a Score Model e usare Clean Missing Data (Pulisci dati mancanti) per modificare i valori mancanti nelle colonne di input.

Input previsti

Nome Tipo Descrizione
Trained model ILearner interface Modello predittivo con training
Set di dati Tabella dati Set di dati di test di input

Output

Nome Tipo Descrizione
Set di dati con punteggio Tabella dati Set di dati con i punteggi ottenuti

Eccezioni

Eccezione Descrizione
Errore 0032 L'eccezione si verifica se l'argomento non è un numero.
Errore 0033 L'eccezione si verifica se l'argomento è Infinity.
Errore 0003 L'eccezione si verifica se uno o più input sono null o vuoti.
Errore 0013 Viene generata un'eccezione se il tipo dello strumento di apprendimento passato al modulo non è valido.

Vedi anche

Valuta
Eseguire il training del modello
Score Matchbox Recommender