建立自定義可訓練分類器
組織通常需要分類未遵循可預測模式的非結構化數據。 自定義可訓練分類器 可讓您訓練 Microsoft Purview，藉由提供 AI 型分析的範例檔來辨識唯一的內容。 一旦定型之後，分類器就可以用來自動標記內容、套用保留原則，以及支援通訊合規性。
可訓練分類器的運作方式
可訓練分類器會使用機器學習來根據意義和內容來偵測內容，而不是根據預先定義的模式。 不同於敏感性資訊類型 (依賴關鍵詞或模式型偵測的 SIT) ，可訓練分類器可藉由分析真實世界的範例來改善分類精確度。
建立分類器牽涉到使用範例內容來定型模型，包括相關和無關的檔。 此程式可協助模型區分屬於分類類別的數據，以及不屬於分類類別的數據。
需求
建立分類器之前，請確定您符合授權和許可權需求。
授權
Microsoft Purview 中的可訓練分類器需要下列其中一個授權組合：
- Microsoft 365 E5
- Microsoft 365 E5 合規性
- 使用 Microsoft Purview 資訊保護和治理附加元件 Microsoft 365 E3
這些授權包括存取進階分類功能，例如可訓練分類器、精確數據比對、具名實體和內容分析。
權限
若要建立和管理可訓練分類器，用戶必須具有適當的角色許可權。 必要的許可權取決於分類器的使用位置。
| 案例 | 必要的角色許可權 |
|---|---|
| 保留標籤原則 | 記錄管理、保留管理 |
| 敏感度標籤原則 | 安全性系統管理員、合規性系統管理員、合規性數據管理員 |
| 通訊合規性政策 | 內部風險管理系統管理員、監督檢閱系統管理員 |
重要事項
根據預設，只有建立自定義分類器的用戶可以訓練和檢閱該分類器所做的預測。
建立可訓練分類器的步驟
建立分類器會遵循結構化程式，其中包含定型、測試和發佈。
步驟 1：收集定型數據
若要將分類器定型，您必須提供兩組使用者手動選取 的範例數據 ：
- ) (50-500 個專案的正面範例：屬於類別的檔。
- 負數範例 (150–1500 個專案) ：不屬於類別的檔。
提示
定型數據越多樣化且選取得越好，分類器就越精確。
步驟 2：在 SharePoint 中儲存數據
將 正 數和 負數 樣本儲存在個別 的 SharePoint 資料夾中。 請確定這些資料夾只包含個別的定型數據。
注意事項
如果建立新資料夾，請等候至少一小時進行索引編制，再於分類器設定中使用它們。
步驟 3：建立可訓練分類器
- 登入 Microsoft 入口 網站。
- 流覽至 資訊保護>Classifiers>可訓練分類器。
- 選 取 [建立可訓練分類器]。
- 輸入 名稱 和 描述。
- 新增 SharePoint 資料夾 URL 以取得 正面範例 ，然後選取 [ 下一步]。
- 新增 負數範例 的 SharePoint 資料夾 URL，然後選取 [ 下一步]。
- 檢閱設定，然後選取 [建立可訓練分類器]。
建立之後，分類器就會開始處理定型數據。 處理時間會有所不同，但通常會在 24小時內完成。
步驟 4：檢閱和測試分類器
分類器處理足夠的正面和負數樣本之後，您必須確認其預測。
- 開啟分類器並檢閱其結果。
- 確認每個預測是否 正確、 不正確或 不確定。
- Microsoft使用此意見反應來精簡分類模型。
提示
至少應檢閱 200 個測試專案，以獲得最佳精確度。
步驟 5：發佈分類器
對分類器的精確度感到滿意時：
- 選 取 [發佈] 以供使用。
- 分類器可供使用：
- 自動標記原則
- 保留原則
- 資料外洩防護 (DLP)
- 通訊合規性
分類器現在會根據您的定型自動識別和分類內容。
自定義可訓練分類器的最佳做法
- 確定不同的訓練範例：包含精確表示分類類別的內容範圍。
- 避免過度學習：不要使用太多類似的檔;多樣性可改善分類器彈性。
- 定期檢閱並重新定型：當內容變更時，請更新分類器以維持精確度。
- 使用至少 200 個測試專案：為了獲得最佳結果，測試範例集中至少有 200 個專案，其中包含至少 50 個正面範例和至少 150 個負面範例。 這可改善發佈前對預測的信賴度。