分類總覽
機器學習的常見用途，就是使用以類似已標記資料訓練的模型，分類新資料。舉例來說，您可能想預測電子郵件是否為垃圾郵件，或是顧客的產品評論是正面、負面或中立。
您可以搭配下列任一模型使用 ML.PREDICT 函式來執行分類作業：
- 邏輯迴歸模型：將
MODEL_TYPE選項設為LOGISTIC_REG，即可使用邏輯迴歸。 - 增強型樹狀模型：將
MODEL_TYPE選項設為BOOSTED_TREE_CLASSIFIER，即可使用梯度提升決策樹。 - 隨機樹系模型：將
MODEL_TYPE選項設為RANDOM_FOREST_CLASSIFIER，即可使用隨機樹系。 - 深層類神經網路 (DNN) 模型：將
MODEL_TYPE選項設為DNN_CLASSIFIER，即可使用神經網路。 - 廣度和深度模型：將
MODEL_TYPE選項設為DNN_LINEAR_COMBINED_CLASSIFIER，即可使用廣度和深度學習。 - AutoML 模型：將
MODEL_TYPE選項設為AUTOML_CLASSIFIER，即可使用 AutoML 分類模型。
建議的知識
只要使用 CREATE MODEL 陳述式和 ML.PREDICT 函式中的預設設定，即使沒有太多機器學習知識，也能建立及使用分類模型。不過，瞭解機器學習開發的基本知識，有助您最佳化資料和模型，進而獲得更優異的結果。建議您參考下列資源，熟悉機器學習技術和程序：