Azure: проблемы с забиванием решения модели леса

Question

Я построил двухуровневую модель принятия решения в лазурной студии ML, разделив набор данных на две части.

Я был доволен оценкой модели и оценкой, поэтому я представил новый набор данных (с одинаковыми переменными, одним и тем же классом данных и тем же источником) для подсчета очков.

У меня возникла ошибка в том, что переменные в новом наборе данных подсчета не были категоричными, и я должен использовать «редактировать метаданные», чтобы сделать его категоричным (я не уверен, почему). Я сделал это, и это сразу же сделало оценку модели после того, как она была очень плохой.

Как я могу решить эту проблему?

Решение, которое я имею в виду, но не могу понять, заключается в том, чтобы избежать использования функции «редактировать метаданные», чтобы я мог получать те же результаты, что и полученные в результате оценки данных разделения.

Сообщение об ошибке:

Error: Error 1000: AFx Library library exception: Feature 'Age' is of type: 'Numeric' which is not implicitly convertible to type: 'Categorical'. Please use the Metadata editor to explicitly convert the type. 

Answer 1

Я не уверен, какой алгоритм используется, но то, что система говорит, что она нуждается в категорическое значение для вычисления своих внутренних параметров.

Низкий балл, который вы получаете, вероятно, связан с новой базой данных и моделью, которую вы используете, чтобы получить оценку. Редактировать модуль метаданных не должен влиять на производительность.