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：

• 機器學習密集課程
• 機器學習簡介
• 中級機器學習