Score Model
Belangrijk
De ondersteuning voor Azure Machine Learning-studio (klassiek) eindigt op 31 augustus 2024. U wordt aangeraden om vóór die datum over te stappen naar Azure Machine Learning.
Vanaf 1 december 2021 kunt u geen nieuwe resources voor Azure Machine Learning-studio (klassiek) meer maken. Tot en met 31 augustus 2024 kunt u de bestaande resources van Azure Machine Learning-studio (klassiek) blijven gebruiken.
- Zie informatie over het verplaatsen machine learning van ML Studio (klassiek) naar Azure Machine Learning.
- Meer informatie over Azure Machine Learning.
De documentatie van ML-studio (klassiek) wordt buiten gebruik gesteld en wordt in de toekomst mogelijk niet meer bijgewerkt.
Scores voor voorspellingen voor een getraind classificatie- of regressiemodel
Categorie: Machine Learning/score
Notitie
Van toepassing op: Machine Learning Studio (klassiek)
Vergelijkbare modules voor slepen en neerzetten zijn beschikbaar in Azure Machine Learning designer.
Moduleoverzicht
In dit artikel wordt beschreven hoe u de module Score Model in Machine Learning Studio (klassiek) gebruikt om voorspellingen te genereren met behulp van een getraind classificatie- of regressiemodel.
Scoremodel gebruiken
Voeg de module Score Model toe aan uw experiment in Studio (klassiek).
Voeg een getraind model en een gegevensset met nieuwe invoergegevens toe.
De gegevens moeten een indeling hebben die compatibel is met het type getraind model dat u gebruikt. Het schema van de invoergegevensset moet over het algemeen ook overeenkomen met het schema van de gegevens die worden gebruikt om het model te trainen.
Voer het experiment uit.
Resultaten
Nadat u een set scores hebt gegenereerd met behulp van Score Model:
- Een set metrische gegevens genereren die worden gebruikt voor het evalueren van de nauwkeurigheid (prestaties) van het model. u kunt de beoordeelde gegevensset verbinden met Evaluate Model,
- Klik met de rechtermuisknop op de module en selecteer Visualize om het voorbeeld van de resultaten te bekijken.
- Sla de resultaten op in een gegevensset.
De score, of de voorspelde waarde, kan veel verschillende indelingen hebben, afhankelijk van het model en uw invoergegevens:
- Voor classificatiemodellen wordt met Score Model een voorspelde waarde voor de klasse uitgevoerd, evenals de waarschijnlijkheid van de voorspelde waarde.
- Voor regressiemodellen genereert Score Model alleen de voorspelde numerieke waarde.
- Voor afbeeldingsclassificatiemodellen kan de score de klasse van het object in de afbeelding zijn, of een Booleaanse eigenschap die aangeeft of een bepaalde functie is gevonden.
Scores publiceren als webservice
Een veelgebruikt gebruik van scoren is het retourneren van de uitvoer als onderdeel van een voorspellende webservice. Zie voor meer informatie deze zelfstudie over het maken van een webservice op basis van een experiment in Azure ML Studio (klassiek):
Voorbeelden
Voor voorbeelden van hoe Score Model wordt gebruikt in een experimentele werkstroom, zie de Azure AI Gallery:
- Binaire classificatiemodellen vergelijken
- Classificatiemodellen met meerdere klassen vergelijken
- Meerdere regressiemodellen vergelijken
Technische opmerkingen
Modellen die niet worden ondersteund door Score Model
Als u een van de volgende speciale typen modellen gebruikt, moet u mogelijk een van deze aangepaste scoremodules gebruiken:
Een clusteringmodel scoren: gebruik Gegevens toewijzen aan clusters.
Aanbevelingen maken of gegevens genereren voor het evalueren van een aanbeveling: Aanbeveling voor scorematchbox gebruiken
Gebruikstips
Als de gegevens die u s scoren ontbrekende waarden bevatten, wordt er in veel gevallen geen score gegenereerd voor de hele rij.
De volgende machine learning vereisen dat gegevens geen ontbrekende waarden hebben. Wanneer u de volgende machine learning modellen, controleert u de gegevens voordat u deze door geeft aan Score Model en gebruikt u Clean Missing Data om de ontbrekende waarden in invoerkolommen te wijzigen.
Verwachte invoer
| Naam | Type | Description |
|---|---|---|
| Getraind model | ILearner-interface | Getraind voorspellend model |
| Gegevensset | Gegevenstabel | Gegevensset voor invoertest |
Uitvoerwaarden
| Naam | Type | Description |
|---|---|---|
| Scored dataset | Gegevenstabel | Gegevensset met verkregen scores |
Uitzonderingen
| Uitzondering | Description |
|---|---|
| Fout 0032 | Uitzondering treedt op als argument geen getal is. |
| Fout 0033 | Uitzondering treedt op als argument Oneindig is. |
| Fout 0003 | Uitzondering treedt op als een of meer invoer null of leeg zijn. |
| Fout 0013 | Er treedt een uitzondering op als de learner die wordt doorgegeven aan de module een ongeldig type is. |