次の方法で共有

分類モジュール

  • [アーティクル]

重要

Machine Learning Studio (クラシック) のサポートは、2024 年 8 月 31 日に終了します。 その日までに、Azure Machine Learning に切り替えすることをお勧めします。

2021 年 12 月 1 日以降、新しい Machine Learning Studio (クラシック) リソースは作成できません。 2024 年 8 月 31 日まで、既存の Machine Learning Studio (クラシック) リソースを引き続き使用できます。

ML Studio (クラシック) のドキュメントは廃止予定であり、今後更新されない可能性があります。

この記事では、分類モデルの作成をサポートする Machine Learning Studio (クラシック) のモジュールについて説明します。 これらのモジュールを使用して、バイナリまたは多クラス分類モデルを作成できます。

注意

適用対象: Machine Learning Studio (クラシック)のみ

類似のドラッグ アンド ドロップ モジュールは Azure Machine Learning デザイナーで使用できます。

分類について

分類は、データを使用して項目またはデータの行のカテゴリ、型、またはクラスを決定する機械学習メソッドです。 分類はたとえば、次のような目的に使用できます。

  • 電子メールフィルターをスパム、迷惑、または良好として分類します。
  • 患者の検体が癌性かどうかを判断する。
  • 顧客を販売キャンペーンへの反応性で分類する。
  • センチメントが肯定的か否定的かを判断する。

分類タスクは、分類がバイナリ (A または B) と多クラス (1 つのモデルを使用して予測できる複数のカテゴリ) のいずれであるかによって整理されることがよくあります。

分類モデルを作成する

最初に分類モデル (分類モデル) を作成する には、適切なアルゴリズムを選択します。 次の点を考慮します。

  • 予測するクラスまたは異なる結果の数を確認できます。
  • データの分布はどのようなものですか。
  • トレーニングにはどのくらいの時間が必要ですか?

Machine Learning Studio (クラシック) では、複数の分類アルゴリズムが提供されます。 1 対すべてのアルゴリズムを使用する場合は、多クラス問題にバイナリ分類器を適用することもできます。

アルゴリズムを選択し、このセクションのモジュールを使用してパラメーターを設定した後、ラベルが付けられたデータでモデルをトレーニングします。 分類は、監視対象の機械学習方法です。 常に、ラベルの付いたトレーニングデータが必要です。

トレーニングが完了したら、モデルを 評価 して調整できます。 モデルに問題がなければ、トレーニング済みのモデルを使用して新しいデータに スコア を付けます。

モジュールの一覧

分類カテゴリには、次のモジュールが含まれています。

例

動作の分類の例については、 Azure AI Galleryを参照してください。

アルゴリズムの選択の詳細については、次の記事を参照してください。

こちらもご覧ください