在 Azure Machine Learning Studio 建構一個預測實驗,可以使用 Train Model 先訓練這個模型,然後再用 Score Model 驗證預測結果,接著用 Evaluate Model 評估這個模型是否有效。
分類及迴歸是兩種常用來做預測的方法,可以依據要預測的目標內容來決定使用哪一種方法,例如:成人收入是屬於 <=50K 還是 >50K 的類別,就可以用分類演算法。若要預測的目標是一個連續的結果,像是汽車的價格、天氣溫度等,就可以使用回歸演算法。
以下範例實驗為建立一個迴歸訓練模型,用它來預測汽車的價格。
因為上方的 Score Model 計分模型結果只能大致了解預估的結果與實際值接不接近,不容易肉眼看出準確度為何,所以還會額外再使用 Evaluate Model 評估模型用數據資料來檢視這個模型強不強
9. 【Evaluate Model】評估模型
PS.每個誤差值都是越小越好,越小的值代表預測值更接近實際值;而決定係數值接近 1,預測就越好,代表預測 100% 符合實際值