Problem: Trainieren eines Modells zur Unterscheidung zwischen verschiedenen Arten der Irisblüte auf der Grundlage von vier Messungen (Merkmalen): Kelchblattlänge, Kelchblattbreite, Blütenblattlänge und Blütenblattbreite.

Der Kontext: Der Iris-Klassifizierungsdatensatz ist in der Welt des maschinellen Lernens berühmt. Der Iris-Datensatz geht auf R.A. Fishers Arbeit "The Use of Multiple Measurements in Taxonomic Problems" aus dem Jahr 1936 zurück und wird seit langem für Einführungen in das maschinelle Lernen verwendet.

Modell-Typ: Logistische Regression

Was wir taten: Wir haben ein maschinelles Lernmodell mit einem Mehrklassen-Klassifizierungsalgorithmus entwickelt, trainiert und bereitgestellt. (Mehr dazu, wie wir diese Demo erstellt haben.) Wir haben das Modell innerhalb der SnapLogic Enterprise Integration Cloud, einer Cloud-basierten Datenintegrationsplattform, entwickelt und bereitgestellt.

Passen Sie in der folgenden Demo die Größe der Kelch- und Blütenblätter an und klicken Sie dann auf "Vorhersage", um das auf der SnapLogic-Plattform erstellte Modell zu testen. Das Modell wird die Blumenart auf der Grundlage der von Ihnen gewählten Eingaben vorhersagen.