共用方式為

TaskType type

  • 參考
套件:
@azure/arm-machinelearning

定義TaskType的值。
KnownTaskType 可以與 TaskType 交替使用，此列舉包含服務支援的已知值。

服務支援的已知值

分類：機器學習和統計數據中的分類是監督式學習方法，計算機程式會從提供給它的數據中學習，並進行新的觀察或分類。
回歸：回歸表示使用輸入數據來預測值。 回歸模型可用來預測連續值。
預測：預測是處理時間序列數據的特殊回歸工作，並建立預測模型，可用來根據輸入預測近期值。
ImageClassification：影像分類。 當影像只使用一組類別的單一卷標進行分類時，就會使用多類別影像分類，例如，每個影像都會分類為「貓」或「狗」或「鴨子」的影像。
ImageClassificationMultilabel：影像分類多重標籤。 當影像可以有一組標籤中有一或多個標籤時，就會使用多標籤影像分類，例如影像可以同時加上 「貓」和「狗」的標籤。
ImageObjectDetection：Image 物件偵測。 物件偵測是用來識別影像中的物件，並使用周框方塊找出每個物件，例如在影像中找出所有狗和貓，並在每個物件周圍繪製周框方塊。
ImageInstanceSegmentation：影像實例分割。 實例分割可用來識別圖元層級影像中的物件，在影像中的每個物件周圍繪製多邊形。
TextClassification：文字分類（也稱為文字標記或文字分類）是將文字排序成類別的程式。 類別互斥。
TextClassificationMultilabel：多重標籤分類工作會將每個範例指派給目標卷標的群組（零個或多個）。
TextNER：名為 Entity Recognition a.a. TextNER 的文字。 具名實體辨識 （NER） 是能夠採用自由格式文字，並識別人員、位置、組織等實體的出現次數。

type TaskType = string