分類總覽
機器學習的常見用途是使用以類似標籤資料訓練的模型，對新資料進行分類。舉例來說，您可能想預測電子郵件是否為垃圾郵件，或是顧客產品評論是正面、負面還是中性。
您可以搭配 ML.PREDICT 函式使用下列任一模型執行分類：
- 邏輯迴歸模型：使用邏輯迴歸，方法是將
MODEL_TYPE選項設為LOGISTIC_REG。 - 提升樹狀結構模型：
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：使用類神經網路，方法是將
MODEL_TYPE選項設為DNN_CLASSIFIER。 - 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。
或者，您也可以使用 AI.PREDICT 函式，透過內建的 TabFM 模型分類資料。您可以使用 AI.EVALUATE 函式評估模型效能。
建議的知識
只要使用 CREATE MODEL 陳述式和 ML.PREDICT 函式的預設設定，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，具備機器學習開發的基本知識，有助於您最佳化資料和模型，進而獲得更出色的結果。建議您使用下列資源，熟悉機器學習技術和程序：