在一次实验中测试多种算法
Test multiple algorithms in one experiment
有什么方法可以测试多个算法而不是对每个算法都测试一次吗？然后检查结果？很多时候我真的不知道该用哪个，所以我想在 Azure Machine Learning Studio 中测试多个并很快得到结果（错误率）。
您正在寻找的模块是名为“交叉验证模型”的模块。它基本上将来自输入端口（数据集）的任何内容分成 10 块，然后保留最后一块作为“答案”；并训练其他九个子集模型和 returns 一组针对最后一个子集测量的准确性统计数据。你会看到的是名为“平均绝对误差”的列，它是训练模型的平均误差。您可以将您想要的任何算法连接到其中一个端口，随后您将收到该算法的结果，特别是在您“右键单击”给出分数的端口后。
之后您可以评估哪种算法效果最好。并作为专业提示；您可以使用基于过滤器的特征选择 实际查看哪一列对结果有重大影响。
您可以使用 'Evaluate Model' 按钮连接多个算法的分数，以相互评估算法。
希望这可以帮助。
您可以在 GitHub https://github.com/Azure-Readiness/hol-azure-machine-learning/blob/master/006-lab-model-evaluation.md 查看动手实验的第 6.2.4 节，其中重点介绍了多种算法的评估等。
有什么方法可以测试多个算法而不是对每个算法都测试一次吗？然后检查结果？很多时候我真的不知道该用哪个，所以我想在 Azure Machine Learning Studio 中测试多个并很快得到结果（错误率）。
您正在寻找的模块是名为“交叉验证模型”的模块。它基本上将来自输入端口（数据集）的任何内容分成 10 块，然后保留最后一块作为“答案”；并训练其他九个子集模型和 returns 一组针对最后一个子集测量的准确性统计数据。你会看到的是名为“平均绝对误差”的列，它是训练模型的平均误差。您可以将您想要的任何算法连接到其中一个端口，随后您将收到该算法的结果，特别是在您“右键单击”给出分数的端口后。
之后您可以评估哪种算法效果最好。并作为专业提示；您可以使用基于过滤器的特征选择 实际查看哪一列对结果有重大影响。
您可以使用 'Evaluate Model' 按钮连接多个算法的分数，以相互评估算法。 希望这可以帮助。
您可以在 GitHub https://github.com/Azure-Readiness/hol-azure-machine-learning/blob/master/006-lab-model-evaluation.md 查看动手实验的第 6.2.4 节，其中重点介绍了多种算法的评估等。