了解分类
可以使用机器学习分类方法来预测某个物体所属的类别或者类。 分类机器学习模型使用一组输入（我们称为特征）计算每个可能类的概率分数并预测指示对象最可能属于的类的标签。
例如，花卉的特征可能包括其花瓣、花茎、萼片以及其他可量化特征的度量值。 可通过将算法应用于这些度量值来训练机器学习模型，算法可计算出花卉最可能属于的物种，即其所属的类。
了解图像分类
图像分类是一种机器学习方法，其中被分类的对象是图像，例如照片。
若要创建图像分类模型，需要包含特征及其标签的数据。 现有数据是一组分类图像。 数字图像由像素值数组组成，这些像素值用作基于已知图像类训练模型的特征。
训练模型，将像素值中的模式与一组类标签匹配。 在训练完模型后，你可以将其用于一组新特征，以预测未知的标签值。
Azure 自定义视觉服务
大多数新式图像分类解决方案都基于深度学习技术，该技术利用卷积神经网络 (CNN) 来发现像素中与特定类相对应的模式。 训练有效的 CNN 是一项复杂的任务，需要在数据科学和机器学习方面拥有深厚专业知识。
用于训练图像分类模型的常用技术已封装到 Microsoft Azure 的 Azure AI 自定义视觉服务中；只需对深度学习技术具有最低程度的了解，就可以轻松训练模型并将其作为软件服务发布。 你可以使用 Azure AI 自定义视觉服务来训练图像分类模型，并将其部署为服务以供应用程序使用。