分类模型以一个幕景内的场景表格为基础，并接受一个额外的训练数据表格作为数据源。 通过训练，系统将生成一个模型来对数据进行分类。本教程介绍如何创建分类模型。

在这一教程中，我们接续 《数据操作基础教程（一）》 ， 从一个已经完成数据导入的快照开始操作，如下所示。

点击左侧导航栏第四个按钮，进入幕景编辑页面，然后进入场景表格栏。

点击加号按钮，创建新的场景表格，填写名称并选择相应的模板。

选择A、B、C三个列，并将这三个列标注为数值类型，并添加附加属性 ProbA、ProbB 和 ProbC，最后注意保存。

切换到模型栏，点击加号按钮打开创建模型窗口。填写模型名称，模型类型以及所挂靠的场景表格。

提交后，打开模型输入属性栏，点击添加路径文字右侧的加号按钮，然后在新出现的路径上选择A、B、C作为模型输入。

打开模型输出属性栏，选择 ProbA、ProbB 和 ProbC 作为输出。

最后打开分类模型设置栏，选择基础模型类型，然后设置输出和标签之间的对应关系， 对于 ProbA、ProbB、ProbC 我们分别设置对应的标签。这里标签的名称可以随意指定， 但要保证和模型的数据源里的标签一致。这里我们不妨分别设定为 MyLabelA、MyLabelB、MyLabelC， 完成后注意保存。

接下来，我们需要为模型设置训练数据。我们需要一个单独的表格，其中包含两个数据列 oid 和 label， 分别存储数据点的序号和对应的标注。一般而言，这个数据源表格的内容需要手动填写， 但在本教程中我们为方便起见采用视图功能生成一个数据源。 点击左侧导航栏第三个按钮进入表格变换页面，创建一个视图，如下所示。

其中 label 为自定义函数，设置如下所示。

函数体定义如下，其作用是根据三个输入参数的大小关系返回 MyLabelA，MyLabelB，MyLabelC 中的一个。

通过创建上面的视图，我们为每个数据点都提供了一个 “手动” 的标注。系统内部通过 oid 列来找到标注对应的数据点， 然后再利用有标注的训练数据来训练分类模型。

接下来，我们将上面的视图分成训练集和测试集，这可以通过创建视图完成。

所生成的视图如下所示。

完成这些后，我们回到幕景编辑页面，切换到数据源栏，为模型和场景表格设置数据源，然后保存。

然后对幕景进行部署，然后起一个名字。

接下来，点击导航栏第五个按钮，进入幕景监测页面。选择 Stage 幕景，然后切换到模型栏， 选择 MyModel 并点击右上侧第二个烧瓶图标对模型进行训练。 然后点击模型统计信息，查看模型训练效果。

可以看到，系统给出了三组不同的统计信息。实际上在 SemDB 内部，分类模型会对每种标签分别进行二分类处理。 对于每种标签，所有标签值等于该值的数据被视为正样本，而所有其他数据被视为负样本。 在理想情况下，系统所给出的平均预测分数（即模型输出的平均值）应是正样本越高越好，而负样本越低越好。

点击右上侧齿轮按钮，然后在对话框内选择 Dir.Test 表格作为数据源，则我们可以看到模型在训练集上的表现。

我们还可以将模型的输出直接写回数据库表格。点击右上侧第三个写入数据库图标，然后切换回表格监测页面， 可以看到出现了一个自动创建的 _MyData 表格，其包含名为 oid、ProbA、ProbB 和 ProbC 的四列。 _MyData 表格对应于幕景 Stage 中的 MyData 场景表格，其中 ProbA、ProbB 和 ProbC 这三列是模型的输出。 按照我们之前所设置的对应关系，三列分别记录了每一列数据的属于对应标签类别的概率。 需要注意的是 SemDB 系统不保证这三个数值之和为 1。

最后，让我们创建一个视图来验证模型输出的准确性，定义如下。

可以看到模型的分类基本准确。