Google verwendet KI-Technologie, um Inhalte in Ihre bevorzugte Sprache zu übersetzen. KI-Übersetzungen können Fehler enthalten.

Übersicht über die Klassifizierung

Ein häufiger Anwendungsfall für maschinelles Lernen ist die Klassifizierung neuer Daten mithilfe eines Modells, das mit ähnlichen gelabelten Daten trainiert wurde. Sie möchten beispielsweise vorhersagen, ob eine E‑Mail Spam ist oder ob eine Produktrezension eines Kunden positiv, negativ oder neutral ist.

Sie können eines der folgenden Modelle in Kombination mit der Funktion ML.PREDICT verwenden, um eine Klassifizierung durchzuführen:

Modelle der logistischen Regression: Verwenden Sie die logistische Regression, indem Sie die Option MODEL_TYPE auf LOGISTIC_REG festlegen.
Boosted Tree-Modelle: Verwenden Sie einen Gradient Boosted-Entscheidungsbaum, indem Sie die Option MODEL_TYPE auf BOOSTED_TREE_CLASSIFIER festlegen.
Random Forest-Modelle: Verwenden Sie einen Random Forest, indem Sie die Option MODEL_TYPE auf RANDOM_FOREST_CLASSIFIER festlegen.
Modelle mit neuronalem Deep-Learning-Netzwerk (DNN): Verwenden Sie ein neuronales Netzwerk, indem Sie die Option MODEL_TYPE auf DNN_CLASSIFIER festlegen.
Wide & Deep-Modelle: Verwenden Sie Wide & Deep Learning, indem Sie die Option MODEL_TYPE auf DNN_LINEAR_COMBINED_CLASSIFIER festlegen.
AutoML-Modelle: Verwenden Sie ein AutoML-Klassifizierungsmodell, indem Sie die Option MODEL_TYPE auf AUTOML_CLASSIFIER festlegen.

Alternativ können Sie die Funktion AI.PREDICT verwenden, um Daten mit dem integrierten TabFM-Modell zu klassifizieren. Sie können die Leistung des Modells mit der Funktion AI.EVALUATE bewerten.

Empfohlenes Wissen

Wenn Sie die Standardeinstellungen in den CREATE MODEL-Anweisungen und der Funktion ML.PREDICT verwenden, können Sie ein Klassifikationsmodell auch ohne viel ML-Wissen erstellen und verwenden. Grundkenntnisse in der ML-Entwicklung helfen Ihnen jedoch, sowohl Ihre Daten als auch Ihr Modell zu optimieren, um bessere Ergebnisse zu erzielen. Wir empfehlen die folgenden Ressourcen, um sich mit ML-Techniken und ‑Prozessen vertraut zu machen: