Modelo de Classificação
Importante
O suporte para o Estúdio de ML (clássico) terminará a 31 de agosto de 2024. Recomendamos a transição para o Azure Machine Learning até essa data.
A partir de 1 de dezembro de 2021, não poderá criar novos recursos do Estúdio de ML (clássico). Até 31 de agosto de 2024, pode continuar a utilizar os recursos existentes do Estúdio de ML (clássico).
- Consulte informações sobre projetos de machine learning em movimento de ML Studio (clássico) para Azure Machine Learning.
- Saiba mais sobre Azure Machine Learning.
A documentação do Estúdio de ML (clássico) está a ser descontinuada e poderá não ser atualizada no futuro.
Previsões de pontuação para um modelo de classificação ou regressão treinado
Categoria: Machine Learning / Pontuação
Nota
Aplica-se a: Machine Learning Studio (clássico) apenas
Módulos semelhantes de arrasto e queda estão disponíveis em Azure Machine Learning designer.
Visão geral do módulo
Este artigo descreve como usar o módulo Score Model em Machine Learning Studio (clássico), para gerar previsões usando um modelo de classificação ou regressão treinado.
Como utilizar o Modelo de Pontuação
Adicione o módulo Score Model à sua experiência no Studio (clássico).
Anexar um modelo treinado e um conjunto de dados contendo novos dados de entrada.
Os dados devem estar num formato compatível com o tipo de modelo treinado que está a utilizar. O esquema do conjunto de dados de entrada também deve corresponder geralmente ao esquema dos dados utilizados para treinar o modelo.
Execute a experimentação.
Resultados
Depois de ter gerado um conjunto de pontuações utilizando o Modelo de Pontuação:
- Para gerar um conjunto de métricas utilizadas para avaliar a precisão do modelo (desempenho). pode ligar o conjunto de dados marcado ao Modelo de Avaliação,
- Clique com o botão direito no módulo e selecione Visualize para ver uma amostra dos resultados.
- Guarde os resultados para um conjunto de dados.
A pontuação, ou valor previsto, pode estar em vários formatos diferentes, dependendo do modelo e dos dados de entrada:
- Para os modelos de classificação, o Score Model produz um valor previsto para a classe, bem como a probabilidade do valor previsto.
- Para os modelos de regressão, o Score Model gera apenas o valor numérico previsto.
- Para os modelos de classificação de imagem, a pontuação pode ser a classe de objeto na imagem, ou um Boolean indicando se uma determinada característica foi encontrada.
Publicar pontuações como um serviço web
Um uso comum de pontuação é devolver a saída como parte de um serviço web preditivo. Para mais informações, consulte este tutorial sobre como criar um serviço web baseado numa experiência no Azure ML Studio (clássico):
Exemplos
Por exemplo, como o Score Model é utilizado num fluxo de trabalho experimental, consulte a Galeria Azure AI:
- Comparar modelos de classificação binária
- Comparar modelos de classificação multiclasse
- Comparar modelos de regressão múltipla
Notas técnicas
Modelos não suportados pelo Score Model
Se estiver a utilizar um dos seguintes tipos especiais de modelo, poderá ter de utilizar um destes módulos de pontuação personalizados:
Marque um modelo de agrupamento: Utilize dados de atribuição a clusters.
Criar recomendações ou gerar dados para avaliar um recomendador: Utilize o Recomendador de Caixa de Pontuação de Pontuação
Dicas de utilização
Se os dados que está a pontuar contiverem valores em falta, em muitos casos nenhuma pontuação será gerada para toda a linha.
Os seguintes modelos de aprendizagem automática requerem que os dados não tenham valores em falta. Ao utilizar os seguintes modelos de machine learning, reveja os dados antes de os passar para o Modelo de Pontuação e utilize dados em falta para alterar os valores em falta nas colunas de entrada.
Entradas esperadas
| Nome | Tipo | Description |
|---|---|---|
| Modelo treinado | Interface ILearner | Modelo preditivo treinado |
| Conjunto de dados | Tabela de Dados | Conjunto de dados de teste de entrada |
Saídas
| Nome | Tipo | Description |
|---|---|---|
| Conjunto de dados pontuado | Tabela de Dados | Conjunto de dados com pontuações obtidas |
Exceções
| Exceção | Description |
|---|---|
| Erro 0032 | A exceção ocorre se o argumento não for um número. |
| Erro 0033 | A exceção ocorre se o argumento for infinito. |
| Erro 0003 | A exceção ocorre se uma ou mais entradas forem nulas ou vazias. |
| Erro 0013 | A exceção ocorre se o aluno que é passado para o módulo for um tipo inválido. |