欢迎来到Hoefffing Tree机器学习系列的第3部分，学习如何在studio中建立评分模型。第三个视频现在在这里提供。关于培训阶段的复习，请查看我们以前的视频和博客：

创建培训模型（第1部分）-视频和博客创建一个培训项目（第2部分）-视频和博客

现在，国内免费云服务器，让我们进入第3部分，然后看一看下一步是什么。

第3部分是评分阶段的开始，您可以创建一个评分模型，使用您的培训模型预测未来的事件。一旦数据库中有经过训练的数据，你就可以开始评分了。但是，由于评分和训练精度同时提高，最好的做法是等到训练精度达到所需百分比后再开始评分。

在运行时，评分模型流会定期检查训练模型中的更改。如果有变化，评分模型流将从最近的培训内容中提取。为了顺利进行，您需要使用特定的Hoefffing树评分输入和输出模式。

[IS][IDS]+

指定ID列和数据特性。

ID列：使用整数或字符串。数据特性：使用与training函数中相同的列：整数、双精度或字符串。像以前一样，列的数量没有限制。

请注意，没有像训练函数那样的字符串或分类器。为什么？因为我们不知道交易是合法的还是欺诈的。评分模型将使用最新的训练内容预测分类器。

[IS]SD

指定ID列、预测类和正确答案的准确性。

ID列：使用整数或字符串。预测类：指定分类器，由字符串"Yes"（欺诈声明）或"No"（合法声明）表示。准确度：指定一个double，它是预测类出现的概率。

有关这些模式和评分算法本身的更多详细信息，请查看Hoefffing树和决策树评分。

有了它，我们现在继续创建评分模型。

在studio中，在HANA数据服务中向下钻取以访问Models文件夹，啥是大数据，然后选择Discover以查看现有模型。您将看到您在本系列前面创建的培训模型，如下所示：

选择"添加模型"，然后选择模型以打开其属性。在"常规"选项卡中，填写以下字段：

选择HoeffdingTreeScoring作为机器学习功能。上面的输入和输出模式与您将在下一个视频中使用的源数据匹配。对于这个简单的示例，我们将同步点设置为5行。这意味着每5行，评分模型将与数据库同步以拉入训练数据。

最后，选择要引用的训练模型。在视频中，这是"HoefffdingTrain"。评分模型必须引用一个训练模型；没有训练数据，联通物联网，就没有什么可评分的。

不要担心参数页签，云服务器租用，因为这只适用于Hoefffing树训练函数。要了解更多关于模型属性的信息，这里有一个方便的参考资料。

在继续之前需要注意的几件事。如果您使用的是早于SP3的流式插件，则必须手动输入输入模式和所引用的培训模型的名称。不过，对于SP3及更高版本，输入模式字段将根据您从导入模型的下拉列表中选择的培训模型自动填充。

在填写完属性后，右键单击新模型并将其重命名：

现在您已经创建了自己的评分模型，准备将其付诸实施！在第4部分中，您将构建一个项目，在该项目中，您可以运行评分模型来计算未来的保险索赔，预测其合法性。

有关机器学习模型的更多信息，大数据怎么学，请查看《流分析开发人员指南》中的模型管理。要了解有关在WebIDE中创建机器学习模型的更多信息，请查看此博客文章。