分类模块
重要
对机器学习工作室（经典）的支持将于 2024 年 8 月 31 日结束。 建议在该日期之前转换到 Azure 机器学习。
从 2021 年 12 月 1 日开始，你将无法创建新的机器学习工作室（经典）资源。 在 2024 年 8 月 31 日之前，可继续使用现有的机器学习工作室（经典）资源。
ML 工作室（经典）文档即将停用，将来可能不会更新。
本文介绍 机器学习 Studio (经典) 中的模块，这些模块支持分类模型的创建。 可以使用这些模块生成二元或多类分类模型。
关于分类
分类是一种机器学习方法，它使用数据来确定项或数据行的类别、类型或类。 例如，可以使用分类：
- 将电子邮件筛选器分类为垃圾邮件、垃圾邮件或良好邮件。
- 确定患者的实验室样本是否癌变。
- 根据客户对销售活动的反应倾向对客户进行分类。
- 识别情绪为正面还是负面。
分类任务通常按分类是二元分类 (A、B) 还是多类 (多个类别，可以使用单个模型模型进行预测) 。
创建分类模型
若要创建分类模型或 分类器，请首先选择适当的算法。 请考虑以下因素：
- 要预测多少个类或不同的结果？
- 数据的分布情况是什么？
- 可以留出多少时间进行训练？
机器学习 Studio (经典) 提供了多种分类算法。 使用一 对 多算法时，甚至可以将二元分类器应用于多类问题。
选择算法后，使用本部分中的模块设置参数后，请根据标记的数据训练模型。 分类是一种监督机器学习方法。 它始终需要标记的训练数据。
训练完成后，可以 评估和 优化模型。 如果对模型感到满意，请使用经过训练的模型 通过新数据 进行评分。
模块列表
分类类别包括以下模块：
- 多类决策林：使用决策林算法创建多类分类模型。
- 多类决策机：使用决策类算法创建多类分类模型。
- 多类逻辑回归：创建多类逻辑回归分类模型。
- 多类神经网络：使用神经网络算法创建多类分类模型。
- “一对多”多类分类：从二元分类模型组合创建多类分类模型。
- 双类平均感知器：创建平均感知器二元分类模型。
- 双类贝叶斯点计算机：创建贝叶斯点计算机二元分类模型。
- 双类提升决策树：使用提升决策树算法创建二元分类器。
- 双类决策林：使用决策林算法创建双类分类模型。
- 双类决策林：使用决策树算法创建双类分类模型。
- 双类本地深度支持向量机：使用本地深层支持向量机算法创建二元分类模型。
- 双类逻辑回归：创建双类逻辑回归模型。
- 双类神经网络：使用神经网络算法创建二元分类器。
- 双类支持向量机：使用支持向量机算法创建二元分类模型。
示例
有关操作中分类的示例，请参阅Azure AI 库。
有关选择算法的帮助，请参阅以下文章：
-
提供图形决策图表，引导你完成选择过程。
-
更详细地说明不同类型的机器学习算法及其使用方式。