共用方式為

計分模型

  • 發行項

重要

Machine Learning 工作室 (傳統) 的支援將於 2024 年 8 月 31 日結束。 建議您在該日期之前轉換成 Azure Machine Learning。

自 2021 年 12 月 1 日起，您將無法建立新的 Machine Learning 工作室 (傳統) 資源。 在 2024 年 8 月 31 日之前，您可以繼續使用現有的 Machine Learning 工作室 (傳統) 資源。

ML 工作室 (傳統) 文件即將淘汰，未來將不再更新。

評定定型分類或迴歸模型的預測分數

類別：機器學習/分數

注意

適用于：僅限機器學習 Studio (傳統)

Azure Machine Learning 設計工具中提供類似的拖放模組。

模組概觀

本文描述如何使用機器學習 Studio (傳統) 中的「評分模型」模組，利用定型的分類或回歸模型來產生預測。

如何使用評分模型

  1. 將 [ 評分模型 ] 模組新增至您在 Studio (傳統) 中的實驗。

  2. 附加已定型的模型及包含新輸入資料的資料集。

    資料的格式應與您所使用定型模型的類型相容。 輸入資料集的結構描述也應該符合用來定型模型的資料其結構描述。

  3. 執行實驗。

結果

使用計分模型產生一組分數之後：

  • 產生一組計量，用於評估模型的精確度 (效能) 。 您可以連接計分資料集來 評估模型，
  • 以滑鼠右鍵按一下模組，然後選取 [ 視覺化 ] 以查看結果的範例。
  • 將結果儲存至資料集。

計分 (或是預測的值) 可以使用許多不同的格式，視模型和您的輸入資料而定：

  • 對於分類模型，計分模型會輸出類別的預估值，以及預估值的機率。
  • 在迴歸模型中，計分模型只會產生預測數值。
  • 就影像分類模型而言，分數可以是影像中的物件類別，或是指出是否找到特定特徵的布林值。

將分數發佈為 Web 服務

計分的常見用法是傳回輸出作為預測性 Web 服務的一部分。 如需詳細資訊，請參閱本教學課程，以瞭解如何根據 Azure ML Studio (傳統) 中的實驗建立 web 服務：

範例

如需如何在實驗工作流程中使用 評分模型 的範例，請參閱 Azure AI 資源庫：

技術說明

計分模型不支援的模型

如果您使用下列其中一個特殊類型的模型，您可能需要使用下列其中一個自訂計分模組：

使用提示

如果您計分的資料包含遺漏值，在許多情況下，將不會產生整個資料列的分數。

使用下列機器學習模型時，資料不可以有遺漏值。 使用下列機器學習模型時，請先檢查資料，再將其傳遞至 評分模型，並使用 清除遺漏的資料 來修改輸入資料行中的遺漏值。

預期的輸入

名稱 類型 Description
定型的模型 ILearner 介面 定型的預測模型
資料集 資料表 輸入測試資料集

輸出

名稱 類型 說明
計分的資料集 資料表 已取得分數的資料集

例外狀況

例外狀況 描述
錯誤 0032 如果引數不是數字，就會發生例外狀況。
錯誤 0033 如果引數無限制，就會發生例外狀況。
錯誤 0003 如果一或多個輸入為 Null 或空白，就會發生例外狀況。
錯誤 0013 如果傳遞至模組的學習因子是無效類型，則會發生例外狀況。

另請參閱

評估
訓練模型
計分 Matchbox 推薦