分類の概要
ML の一般的なユースケースは、類似のラベル付きデータでトレーニングされたモデルを使用して新しいデータを分類することです。たとえば、メールがスパムかどうかや、お客様の製品レビューが肯定的、否定的、中立的のいずれなのかを予測できます。
次のいずれかのモデルを ML.PREDICT 関数と組み合わせて使用し、分類を行うことができます。
- ロジスティック回帰モデル: ロジスティック回帰を使用するには、
MODEL_TYPEオプションをLOGISTIC_REGに設定します。 - ブーストツリー モデル: 勾配ブースト ディシジョン ツリーを使用するには、
MODEL_TYPEオプションをBOOSTED_TREE_CLASSIFIERに設定します。 - ランダム フォレスト モデル: ランダム フォレストを使用するには、
MODEL_TYPEオプションをRANDOM_FOREST_CLASSIFIERに設定します。 - ディープ ニューラル ネットワーク（DNN）モデル: ニューラル ネットワークを使用するには、
MODEL_TYPEオプションをDNN_CLASSIFIERに設定します。 - ワイド＆ディープモデル: ワイド＆ディープ ラーニングを使用するには、
MODEL_TYPEオプションをDNN_LINEAR_COMBINED_CLASSIFIERに設定します。 - AutoML モデル: AutoML 分類モデルを使用するには、
MODEL_TYPEオプションをAUTOML_CLASSIFIERに設定します。
推奨される知識
CREATE MODEL ステートメントと ML.PREDICT 関数のデフォルト設定を使用すると、ML の知識がなくても分類モデルを作成して使用できます。ただし、ML 開発に関する基本的な知識があれば、データとモデルの両方を最適化して、より良い結果を得ることができます。ML の手法とプロセスに習熟するために、次のリソースの活用をおすすめします。