分类概览

机器学习的一个常见用例是使用基于类似标记数据训练的模型对新数据进行分类。例如，您可能希望预测电子邮件是否为垃圾邮件，或者客户对产品的评价是正面、负面还是中立。

您可以将以下任一模型与 ML.PREDICT 函数结合使用来执行分类：

• 逻辑回归模型：通过将 MODEL_TYPE 选项设置为 LOGISTIC_REG 来使用逻辑回归。
• 提升树模型：将 MODEL_TYPE 选项设置为 BOOSTED_TREE_CLASSIFIER，以使用梯度提升决策树。
• 随机森林模型：通过将 MODEL_TYPE 选项设置为 RANDOM_FOREST_CLASSIFIER 来使用随机森林。
• 深度神经网络 (DNN) 模型：通过将 MODEL_TYPE 选项设置为 DNN_CLASSIFIER 来使用神经网络。
• Wide & Deep 模型：将 MODEL_TYPE 选项设为 DNN_LINEAR_COMBINED_CLASSIFIER，即可使用宽广和深度学习。
• AutoML 模型：将 MODEL_TYPE 选项设为 AUTOML_CLASSIFIER，以使用 AutoML 分类模型。

推荐的知识

通过使用 CREATE MODEL 语句和 ML.PREDICT 函数中的默认设置，即使您没有太多机器学习方面的知识，也可以创建和使用分类模型。不过，掌握机器学习开发方面的基本知识有助于您优化数据和模型，从而取得更好的成效。我们建议您使用以下资源熟悉机器学习技术和流程：

• 机器学习速成课程
• 机器学习简介
• 中级机器学习