如何通过更改模型阈值在已发布的 Web 服务中操作 Azure ML 推荐
How to manipulate Azure ML recommendations in published web service by changing the models threshold
模特
我已经设计、训练和发布了一个 Azure ML 实验（使用两个 class 决策丛林）作为 Web 服务，可以很好地调用它并且它是 return 预期结果（基于 0.5 的阈值） ).
问题
但是，我想操纵结果 returned 以提供更接近我期望的准确度、精确度和召回率的结果，而这恰好与默认阈值 0.5 不一致。我可以通过 ML 工作室轻松完成此操作，方法是可视化评估结果并将阈值滑块从中心 (0.5) 向左或向右移动。
我在谷歌上搜索并阅读了许多 Azure ML 文档和教程，但到目前为止无法弄清楚如何在我训练和发布的实验中改变阈值和 return 不同的得分概率。
评分模块还 returns 具有评分概率的结果。我认为您可以添加一个简单的数学运算来比较得分概率并添加一个新列或编写一个简单的 R 脚本 - 请参见下图 "apply math operation" 以根据超过 0.6 的概率而不是 0.5[=11] 生成输出=]
模特 我已经设计、训练和发布了一个 Azure ML 实验（使用两个 class 决策丛林）作为 Web 服务，可以很好地调用它并且它是 return 预期结果（基于 0.5 的阈值） ).
问题 但是，我想操纵结果 returned 以提供更接近我期望的准确度、精确度和召回率的结果，而这恰好与默认阈值 0.5 不一致。我可以通过 ML 工作室轻松完成此操作，方法是可视化评估结果并将阈值滑块从中心 (0.5) 向左或向右移动。
我在谷歌上搜索并阅读了许多 Azure ML 文档和教程，但到目前为止无法弄清楚如何在我训练和发布的实验中改变阈值和 return 不同的得分概率。
评分模块还 returns 具有评分概率的结果。我认为您可以添加一个简单的数学运算来比较得分概率并添加一个新列或编写一个简单的 R 脚本 - 请参见下图 "apply math operation" 以根据超过 0.6 的概率而不是 0.5[=11] 生成输出=]