分类概览
机器学习的一个常见应用场景是使用基于类似带标签数据训练的模型对新数据进行分类。例如，您可能想预测某封邮件是否是垃圾邮件，或者某条客户商品评价是正面、负面还是中立的。
您可以将以下任何模型与 ML.PREDICT 函数结合使用以执行分类：
- 逻辑回归模型：通过将
MODEL_TYPE选项设置为LOGISTIC_REG来使用逻辑回归。 - 提升树模型：通过将
MODEL_TYPE选项设置为BOOSTED_TREE_CLASSIFIER来使用梯度提升决策树。 - 随机森林模型：通过将
MODEL_TYPE选项设置为RANDOM_FOREST_CLASSIFIER来使用随机森林。 - 深度神经网络 (DNN) 模型：通过将
MODEL_TYPE选项设置为DNN_CLASSIFIER来使用神经网络。 - Wide & Deep 模型：通过将
MODEL_TYPE选项设置为DNN_LINEAR_COMBINED_CLASSIFIER来使用 Wide & Deep 学习。 - AutoML 模型：通过将
MODEL_TYPE选项设置为AUTOML_CLASSIFIER来使用 AutoML 分类模型。
推荐的知识
通过使用 CREATE MODEL 语句和 ML.PREDICT 函数中的默认设置，即使您没有太多机器学习知识，也可以创建和使用分类模型。不过，如果您具备机器学习开发的基本知识，则有助于您优化数据和模型，从而获得更好的结果。我们建议您使用以下资源来熟悉机器学习技术和流程：