Score Model (Poängmodell)
I den här artikeln beskrivs en komponent i Azure Machine Learning-designern.
Använd den här komponenten för att generera förutsägelser med hjälp av en tränad klassificerings- eller regressionsmodell.
Så här använder du funktionen
Lägg till komponenten Poängsätta modell i pipelinen.
Bifoga en tränad modell och en datauppsättning som innehåller nya indata.
Data ska vara i ett format som är kompatibelt med den typ av tränad modell som du använder. Schemat för indatauppsättningen bör också i allmänhet matcha schemat för de data som används för att träna modellen.
Skicka pipelinen.
Resultat
När du har genererat en uppsättning poäng med hjälp av Poängmodell:
- Om du vill generera en uppsättning mått som används för att utvärdera modellens noggrannhet (prestanda) kan du ansluta den poängsatta datamängden till Utvärdera modell.
- Högerklicka på komponenten och välj Visualisera för att se ett exempel på resultatet.
Poängen, eller det förutsagda värdet, kan ha många olika format, beroende på modellen och dina indata:
- För klassificeringsmodeller matar Poängmodellen ut ett förutsagt värde för klassen samt sannolikheten för det förutsagda värdet.
- För regressionsmodeller genererar Poängmodellen bara det förutsagda numeriska värdet.
Publicera poäng som en webbtjänst
En vanlig användning av bedömning är att returnera utdata som en del av en förutsägelsewebbtjänst. Mer information finns i den här självstudien om hur du distribuerar en realtidsslutpunkt baserat på en pipeline i Azure Machine Learning Designer.
Nästa steg
Se den uppsättning komponenter som är tillgängliga för Azure Machine Learning.