Módulos 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.
Este artigo descreve os módulos em Machine Learning Studio (clássico) que suportam a criação de modelos de classificação. Pode utilizar estes módulos para construir modelos de classificação binários ou multiclasses.
Nota
Aplica-se a: Machine Learning Studio (clássico) apenas
Módulos semelhantes de arrasto e queda estão disponíveis em Azure Machine Learning designer.
Sobre a classificação
A classificação é um método de aprendizagem automática que utiliza dados para determinar a categoria, tipo ou classe de um item ou linha de dados. Por exemplo, pode utilizar a classificação para:
- Classifique os filtros de e-mail como spam, lixo ou bom.
- Determinar se a amostra de laboratório de um paciente é cancerígena.
- Categorizar os clientes pela sua propensão para responder a uma campanha de vendas.
- Identifique o sentimento como positivo ou negativo.
As tarefas de classificação são frequentemente organizadas se uma classificação é binária (A ou B) ou multiclasse (várias categorias que podem ser previstas através de um único modelo).
Criar um modelo de classificação
Para criar um modelo de classificação, ou classificador, primeiro, selecione um algoritmo apropriado. Considere estes fatores:
- Quantas aulas ou resultados diferentes quer prever?
- Qual é a distribuição dos dados?
- Quanto tempo pode permitir o treino?
Machine Learning Studio (clássico) fornece vários algoritmos de classificação. Quando se usa o algoritmo One-Vs-All , pode até aplicar um classificador binário a um problema de várias classes.
Depois de escolher um algoritmo e definir os parâmetros utilizando os módulos desta secção, treine o modelo em dados rotulados. A classificação é um método de aprendizagem automática supervisionado. Requer sempre dados de treino rotulados.
Quando o treino terminar, pode avaliar e afinar o modelo. Quando estiver satisfeito com o modelo, use o modelo treinado para marcar com novos dados.
Lista de módulos
A categoria classificação inclui os seguintes módulos:
- Floresta de Decisão Multiclasse: Cria um modelo de classificação multiclasse utilizando o algoritmo da floresta de decisão.
- Multiclass Decision Jungle: Cria um modelo de classificação multiclasse usando o algoritmo da selva de decisão.
- Regressão Logística Multiclass: Cria um modelo de classificação de regressão logística multiclasse.
- Rede Neural Multiclass: Cria um modelo de classificação multiclasse usando um algoritmo de rede neural.
- One-vs-All Multiclass: Cria um modelo de classificação multiclasse a partir de um conjunto de modelos de classificação binária.
- Perceptron Averaged perceptron de duas classes: Cria um modelo de classificação binária perceptron média.
- Máquina de pontos de bayes de duas classes: Cria um modelo de classificação binária de máquina de pontos bayes.
- Árvore de Decisão Reforçada de duas classes: Cria um classificador binário usando um algoritmo de árvore de decisão reforçado.
- Floresta de Decisão de duas classes: Cria um modelo de classificação de duas classes utilizando o algoritmo da floresta de decisão.
- Selva de Decisão de duas classes: Cria um modelo de classificação de duas classes usando o algoritmo da selva de decisão.
- Máquina de vetor de suporte local de duas classes: Cria um modelo de classificação binária usando o algoritmo de máquina de vetor de suporte localmente profundo.
- Regressão Logística de duas classes: Cria um modelo de regressão logística de duas classes.
- Rede Neural de duas classes: Cria um classificador binário utilizando um algoritmo de rede neural.
- Máquina de vetor de suporte de duas classes: Cria um modelo de classificação binária usando o algoritmo da máquina do vetor de suporte.
Exemplos
Por exemplo, classificação em ação, consulte a Galeria Azure AI.
Para ajudar a escolher um algoritmo, consulte estes artigos:
Folha de batota de algoritmo de aprendizagem de máquinas para Machine Learning
Fornece um gráfico de decisão gráfico para guiá-lo através do processo de seleção.
Escolha Machine Learning algoritmos para agrupamento, classificação ou regressão
Explica em maior detalhe os diferentes tipos de algoritmos de aprendizagem automática e como são usados.