了解分類
您可以使用機器學習「分類」技術，來預測哪個分類或「類別」屬於的項目。 分類機器學習模型使用一組稱為「特徵」的輸入，以計算每個可能類別的機率分數，並預測表示物件所屬最可能類別的「標籤」。
例如，花卉的特徵可能包含其花瓣、花梗、萼片及其他可量化特性的度量。 您可藉由將演算法套用至這些度量來定型機器學習模型，以計算花卉的最有可能品種 (其類別)。
了解影像分類
「影像分類」是一種機器學習技術，其所分類的物件為影像，例如相片。
若要建立影像分類模型，您需要包含特徵及其標籤的資料。 現有的資料是一組分類的影像。 數位影像是由像素值陣列所組成，這些值會作為特徵，以根據影像類別來定型模型。
該模型經過定型，可以將像素值中的模式與一組類別標籤進行比對。 然後，在定型模型之後，您即可將其與新的特徵集搭配使用，以預測未知的標籤值。
Azure 自訂視覺服務
大部分的新式影像分類解決方案都是以「深度學習」技術為基礎，其利用「卷積神經網路」在像素中找出對應至特定類別的模式。 定型有效的 CNN 是一項複雜工作，其需要資料科學和機器學習的豐富專業知識。
用來定型影像分類模型的常見技術已封裝到 Microsoft Azure 的 Azure AI 自訂視覺服務中；因此只要對深度學習技術有基本了解，就能輕鬆地定型模型並將其發佈為軟體服務。 您可使用 Azure AI 自訂視覺來定型影像分類模型，並將其部署為服務，以供應用程式使用。