Ringkasan klasifikasi

Kasus penggunaan umum untuk machine learning adalah mengklasifikasikan data baru menggunakan model yang dilatih pada data berlabel serupa. Misalnya, Anda mungkin ingin memprediksi apakah email adalah spam, atau apakah ulasan produk pelanggan bersifat positif, negatif, atau netral.

Anda dapat menggunakan salah satu model berikut yang dikombinasikan dengan fungsi ML.PREDICT untuk melakukan klasifikasi:

• Model regresi logistik: gunakan regresi logistik dengan menetapkan opsi MODEL_TYPE ke LOGISTIC_REG.
• Model boosted tree: gunakan pohon keputusan dengan peningkatan gradien dengan menetapkan opsi MODEL_TYPE ke BOOSTED_TREE_CLASSIFIER.
• Model random forest: gunakan random forest dengan menetapkan opsi MODEL_TYPE ke RANDOM_FOREST_CLASSIFIER.
• Model deep neural network (DNN): gunakan jaringan neural dengan menetapkan opsi MODEL_TYPE ke DNN_CLASSIFIER.
• Model Wide & Deep: gunakan wide & deep learning dengan menetapkan opsi MODEL_TYPE ke DNN_LINEAR_COMBINED_CLASSIFIER.
• Model AutoML: gunakan model klasifikasi AutoML dengan menetapkan opsi MODEL_TYPE ke AUTOML_CLASSIFIER.

Artikel pusat informasi yang direkomendasikan

Dengan menggunakan setelan default dalam pernyataan CREATE MODEL dan fungsi ML.PREDICT, Anda dapat membuat dan menggunakan model klasifikasi bahkan tanpa banyak pengetahuan ML. Namun, memiliki pengetahuan dasar tentang pengembangan ML membantu Anda mengoptimalkan data dan model untuk memberikan hasil yang lebih baik. Sebaiknya gunakan referensi berikut untuk mengembangkan pengetahuan tentang teknik dan proses ML:

• Kursus Singkat Machine Learning
• Pengantar Machine Learning
• Machine Learning Tingkat Menengah