Поделиться через


Оценка модели

В этой статье описывается компонент в конструкторе Машинного обучения Azure.

С его помощью можно создавать прогнозы с использованием обученной модели классификации или регрессии.

Использование

  1. Добавьте компонент Оценка модели в конвейер.

  2. Подключите обученную модель и набор данных, содержащий новые входные данные.

    Данные должны быть в формате, совместимом с типом обученной модели, которую вы используете. Схема входного набора данных также должна соответствовать схеме данных, использовавшейся для обучения модели.

  3. Отправьте конвейер.

Результаты

После создания набора оценок с помощью Оценки модели:

  • Чтобы создать набор метрик, используемых для оценки точности модели (ее производительности), можно подключить оцененный набор данных для оценки модели.
  • Щелкните компонент правой кнопкой мыши и выберите Визуализировать, чтобы просмотреть пример результатов.

Оценка (прогнозируемое значение) может быть в разных форматах в зависимости от модели и входных данных.

  • Для моделей классификации Оценка модели выводит прогнозируемое значение для класса, а также вероятность этого прогнозируемого значения.
  • Для моделей регрессии Оценка модели создает только прогнозируемое числовое значение.

Публикация оценок как веб-служба

Обычно оценка используется для получения выходных данных в составе веб-службы прогнозирования. Подробнее см. в этом учебнике по развертыванию конечной точки для прогнозирования в реальном времени на основе конвейера в конструкторе Машинного обучения Azure.

Следующие шаги

Ознакомьтесь с набором доступных компонентов для машинного обучения Azure.