提供分类模型概览

学习目标

• 了解分类原则、方法和类型。

分类是机器学习中的基本技术，用于根据其功能将数据点分类为预定义标签。它在各种现实应用中起着关键作用，例如预测员工是流失还是留在公司中，识别欺诈交易，或将电子邮件分类为垃圾邮件或非垃圾邮件。分类的核心原则涉及监督学习，其中模型使用标记数据进行训练，以识别模式并对新的不可见数据进行预测。

有不同的分类方法，每种方法都采用不同的方法。一些最常用的算法包括决策树、梯度提升和神经网络，每个都适合不同类型的数据和分类挑战。分类本身可分为三种主要类型。二元分类涉及区分两种可能的结果，例如"是"或"否"和"垃圾邮件"或"非垃圾邮件"。多类分类通过将数据分类为多个不同的组来扩展此分类，例如对不同的产品类别进行分类。同时，多标签分类允许单个数据点属于多个类别，例如使用多个相关主题标记文档。

在 SAP HANA 框架中，分类模型利用 SAP HANA Cloud 强大的机器学习和预测分析功能。这包括高级算法，例如混合梯度提升树 (HGBT)，该算法经过优化，可高效处理大型分类任务。SAP HANA 与各种数据模型无缝集成，允许用户在其环境中训练和评估分类模型。此集成可确保从原始数据顺利过渡到可据以采取行动的洞察，而无需外部处理工具。

SAP HANA 中的分类工作流遵循结构化机器学习流程，从数据准备开始，其中原始数据已清理、转换和结构化以供分析。准备数据时，下一步是模型训练，其中分类算法从标记的数据集学习模式。训练后，使用准确性、精度、召回和 F1 分数等绩效指标评估模型，以确保其在进行预测时的可靠性。最后，一旦经过验证，即可将模型部署并集成到业务应用程序中，从而自动制定决策并提高运营效率。借助 SAP HANA 的内置功能，分类工作流变得简化，使企业能够轻松地将预测分析融入到运营中。