Bewerten eines Modells

Dieser Artikel beschreibt eine Komponente im Azure Machine Learning Designer.

Verwenden Sie diese Komponente, um Vorhersagen anhand eines trainierten Klassifizierungs- oder Regressionsmodells zu erstellen.

Verwendung

1. Fügen Sie die Komponente Score Model zu Ihrer Pipeline hinzu.

2. Fügen Sie ein trainiertes Modell und ein Dataset mit neuen Eingabedaten an.

   Die Daten sollten in einem Format vorliegen, dass mit dem Typ des trainierten Modells kompatibel ist, das Sie verwenden. Das Schema des Eingabedatasets sollte auch generell mit dem Schema der zum Trainieren des Modells verwendeten Daten übereinstimmen.

3. Übermitteln Sie die Pipeline.

Ergebnisse

Nachdem Sie eine Reihe von Bewertungen mit dem Bewertungsmodell generiert haben:

• Um einen Satz von Metriken für die Auswertung der Modellgenauigkeit (Leistung) zu generieren, können Sie das bewertete Dataset mit dem Bewertungsmodell verbinden, indem Sie
• Klicken Sie mit der rechten Maustaste auf die Komponente und wählen Sie Visualisieren, um ein Beispiel für die Ergebnisse zu sehen.

Das Ergebnis, oder der vorhergesagte Wert, kann je nach Modell und Eingabedaten in vielen verschiedenen Formaten vorliegen:

• Für Klassifizierungsmodelle gibt Bewertungsmodell einen vorhergesagten Wert für die Klasse sowie die Wahrscheinlichkeit des vorhergesagten Werts aus.
• Für Regressionsmodelle generiert Bewertungsmodell lediglich den vorhergesagten numerischen Wert.

Veröffentlichen eines Modells als Webdienst

Eine häufige Verwendung der Bewertung ist die Rückgabe der Ausgabe als Teil eines Vorhersagewebdiensts. Weitere Informationen finden Sie in diesem Tutorial zum Bereitstellen eines Echtzeitendpunkts basierend auf einer Pipeline im Azure Machine Learning-Designer.

Nächste Schritte

Hier finden Sie die für Azure Machine Learning verfügbaren Komponenten.