Classificatiemodules
Belangrijk
De ondersteuning voor Azure Machine Learning-studio (klassiek) eindigt op 31 augustus 2024. U wordt aangeraden om vóór die datum over te stappen naar Azure Machine Learning.
Vanaf 1 december 2021 kunt u geen nieuwe resources voor Azure Machine Learning-studio (klassiek) meer maken. Tot en met 31 augustus 2024 kunt u de bestaande resources van Azure Machine Learning-studio (klassiek) blijven gebruiken.
- Zie informatie over het verplaatsen machine learning van ML Studio (klassiek) naar Azure Machine Learning.
- Meer informatie over Azure Machine Learning.
De documentatie van ML-studio (klassiek) wordt buiten gebruik gesteld en wordt in de toekomst mogelijk niet meer bijgewerkt.
In dit artikel worden de modules in Machine Learning Studio (klassiek) beschreven die ondersteuning bieden voor het maken van classificatiemodellen. U kunt deze modules gebruiken om binaire classificatiemodellen of classificatiemodellen met meerdere klassen te bouwen.
Notitie
Van toepassing op: Machine Learning Studio (klassiek)
Vergelijkbare modules met slepen en neerzetten zijn beschikbaar in Azure Machine Learning designer.
Over classificatie
Classificatie is een machine learning methode die gebruikmaakt van gegevens om de categorie, het type of de klasse van een item of rij met gegevens te bepalen. U kunt classificatie bijvoorbeeld gebruiken voor het volgende:
- E-mailfilters classificeren als spam, ongewenste e-mail of goed.
- Bepalen of het labvoorbeeld van een patiënt kanker heeft.
- Klanten categoriseren op hun reactiviteit om te reageren op een verkoopcampagne.
- Gevoel identificeren als positief of negatief.
Classificatietaken worden vaak ingedeeld op basis van het feit of een classificatie binair is (A of B) of meerdere categorieën (meerdere categorieën die kunnen worden voorspeld met behulp van één model).
Een classificatiemodel maken
Selecteer eerst een geschikt algoritme om een classificatiemodel of classificatie te maken. Houd rekening met de volgende factoren:
- Hoeveel klassen of verschillende resultaten wilt u voorspellen?
- Wat is de distributie van de gegevens?
- Hoeveel tijd kunt u training toestaan?
Machine Learning Studio (klassiek) biedt meerdere classificatiealgoritmen. Wanneer u het algoritme One-Vs-All gebruikt, kunt u zelfs een binaire classificatie toepassen op een probleem met meerdere klassen.
Nadat u een algoritme hebt gekozen en de parameters hebt ingesteld met behulp van de modules in deze sectie, traint u het model op gelabelde gegevens. Classificatie is een methode onder machine learning supervisie. Hiervoor zijn altijd gelabelde trainingsgegevens vereist.
Wanneer de training is voltooid, kunt u het model evalueren en afstemmen. Wanneer u tevreden bent met het model, gebruikt u het getrainde model om te scoren met nieuwe gegevens.
Lijst met modules
De categorie Classificatie omvat de volgende modules:
- Beslissings-forest met meerdere klassen: hiermee maakt u een classificatiemodel met meerdere klassen met behulp van het beslissings-forestalgoritme.
- Beslissing met meerdere klassen: hiermee maakt u een classificatiemodel met meerdere klassen met behulp van het beslissingsalgoritme.
- Logistieke regressie met meerdere klassen: hiermee maakt u een classificatiemodel voor logistieke regressie met meerdere klassen.
- Neuraal netwerk met meerdere klassen: maakt een classificatiemodel met meerdere klassen met behulp van een neuraal netwerkalgoritme.
- One-vs-All Multiclass: hiermee maakt u een classificatiemodel met meerdere klassen van een geheel binaire classificatiemodellen.
- Gemiddelde perceptron met twee klassen: hiermee maakt u een gemiddeld binair classificatiemodel voor een perceptron.
- Bayes Point-machine met twee klassen: hiermee maakt u een binair classificatiemodel van een Bayes-puntmachine.
- Two-Class Boosted Decision Tree: hiermee maakt u een binaire classificatie met behulp van een boosted decision tree-algoritme.
- Beslissings-forest met twee klassen: hiermee maakt u een classificatiemodel met twee klassen met behulp van het beslissings-forestalgoritme.
- Beslissing met twee klassen: hiermee maakt u een classificatiemodel met twee klassen met behulp van het beslissingsalgoritme.
- Lokaal deep support vector machine met twee klassen: hiermee maakt u een binair classificatiemodel met behulp van het lokaal diepe Support Vector Machine-algoritme.
- Logistieke regressie met twee klassen: Hiermee maakt u een logistic regression-model met twee klassen.
- Neuraal netwerk met twee klassen: hiermee maakt u een binaire classificatie met behulp van een neuraal netwerkalgoritme.
- Ondersteuningsvectormachine met twee klassen: hiermee maakt u een binair classificatiemodel met behulp van het algoritme Support Vector Machine.
Voorbeelden
Zie de Azure AI Gallery voor voorbeelden van classificatie in Azure AI Gallery.
Zie de volgende artikelen voor hulp bij het kiezen van een algoritme:
Cheatsheet voor machine learning-algoritmen voor Machine Learning
Biedt een grafische beslissingsgrafiek om u door het selectieproces te leiden.
Kies Machine Learning voor clustering, classificatie of regressie
In meer detail worden de verschillende typen machine learning algoritmen en hoe ze worden gebruikt.