Оценка модели
В этой статье описывается компонент в конструкторе Машинного обучения Azure.
С его помощью можно создавать прогнозы с использованием обученной модели классификации или регрессии.
Использование
Добавьте компонент Оценка модели в конвейер.
Подключите обученную модель и набор данных, содержащий новые входные данные.
Данные должны быть в формате, совместимом с типом обученной модели, которую вы используете. Схема входного набора данных также должна соответствовать схеме данных, использовавшейся для обучения модели.
Отправьте конвейер.
Результаты
После создания набора оценок с помощью Оценки модели:
- Чтобы создать набор метрик, используемых для оценки точности модели (ее производительности), можно подключить оцененный набор данных для оценки модели.
- Щелкните компонент правой кнопкой мыши и выберите Визуализировать, чтобы просмотреть пример результатов.
Оценка (прогнозируемое значение) может быть в разных форматах в зависимости от модели и входных данных.
- Для моделей классификации Оценка модели выводит прогнозируемое значение для класса, а также вероятность этого прогнозируемого значения.
- Для моделей регрессии Оценка модели создает только прогнозируемое числовое значение.
Публикация оценок как веб-служба
Обычно оценка используется для получения выходных данных в составе веб-службы прогнозирования. Подробнее см. в этом учебнике по развертыванию конечной точки для прогнозирования в реальном времени на основе конвейера в конструкторе Машинного обучения Azure.
Следующие шаги
Ознакомьтесь с набором доступных компонентов для машинного обучения Azure.