Model wyników
W tym artykule opisano składnik w projektancie usługi Azure Machine Learning.
Ten składnik służy do generowania przewidywań przy użyciu wytrenowanego modelu klasyfikacji lub regresji.
Jak stosować
Dodaj składnik Score Model (Generowanie wyników dla modelu) do potoku.
Dołącz wytrenowany model i zestaw danych zawierający nowe dane wejściowe.
Dane powinny być w formacie zgodnym z typem wytrenowanego modelu, którego używasz. Schemat wejściowego zestawu danych powinien być również ogólnie zgodny ze schematem danych używanych do trenowania modelu.
Prześlij potok.
Wyniki
Po wygenerowaniu zestawu wyników przy użyciu funkcji Score Model (Generowanie wyników w modelu):
- Aby wygenerować zestaw metryk używanych do oceny dokładności (wydajności) modelu, możesz połączyć oceniany zestaw danych z wartością Evaluate Model (Ocena modelu).
- Kliknij prawym przyciskiem myszy składnik i wybierz polecenie Visualize (Wizualizacja ), aby wyświetlić próbkę wyników.
Wynik lub przewidywana wartość może być w wielu różnych formatach, w zależności od modelu i danych wejściowych:
- W przypadku modeli klasyfikacji wynik modelu generuje przewidywaną wartość dla klasy, a także prawdopodobieństwo przewidywanej wartości.
- W przypadku modeli regresji model score generuje tylko przewidywaną wartość liczbową.
Publikowanie wyników jako usługi internetowej
Typowym zastosowaniem oceniania jest zwrócenie danych wyjściowych w ramach predykcyjnej usługi internetowej. Aby uzyskać więcej informacji, zobacz ten samouczek dotyczący wdrażania punktu końcowego w czasie rzeczywistym na podstawie potoku w projektancie usługi Azure Machine Learning.
Następne kroki
Zobacz zestaw składników dostępnych dla usługi Azure Machine Learning.