Descripción general de la clasificación

Un caso de uso común del aprendizaje automático es clasificar datos nuevos con un modelo entrenado en datos etiquetados similares. Por ejemplo, es posible que quieras predecir si un correo electrónico es spam o si una opinión de un cliente sobre un producto es positiva, negativa o neutral.

Puedes usar cualquiera de los siguientes modelos en combinación con la función ML.PREDICT para realizar la clasificación:

• Modelos de regresión logística: Usa la regresión logística configurando la opción MODEL_TYPE en LOGISTIC_REG.
• Modelos de árbol mejorado: Usa un árbol de decisión mejorado con gradientes configurando la opción MODEL_TYPE en BOOSTED_TREE_CLASSIFIER.
• Modelos de bosque aleatorio: Para usar un bosque aleatorio, configura la opción MODEL_TYPE en RANDOM_FOREST_CLASSIFIER.
• Modelos de red neuronal profunda (DNN): Para usar una red neuronal, establece la opción MODEL_TYPE en DNN_CLASSIFIER.
• Modelos amplios y profundos: Para usar el aprendizaje profundo y amplio, configura la opción MODEL_TYPE en DNN_LINEAR_COMBINED_CLASSIFIER.
• Modelos de AutoML: Para usar un modelo de clasificación de AutoML, configura la opción MODEL_TYPE en AUTOML_CLASSIFIER.

Conocimientos recomendados

Si usas la configuración predeterminada de las sentencias CREATE MODEL y la función ML.PREDICT, puedes crear y usar un modelo de clasificación incluso sin mucho conocimiento de AA. Sin embargo, tener conocimientos básicos sobre el desarrollo de AA te ayuda a optimizar tus datos y tu modelo para obtener mejores resultados. Te recomendamos que uses los siguientes recursos para familiarizarte con las técnicas y los procesos de la IA:

• Curso intensivo de aprendizaje automático
• Introducción al aprendizaje automático
• Aprendizaje automático intermedio