分类和回归概览
使用集合让一切井井有条
根据您的偏好保存内容并对其进行分类。
二元分类模型可预测二元结果(二者选一)。此模型类型用于是非问题。例如,您可能想要构建一个二元分类模型来预测客户是否会购买订阅。一般而言,二元分类问题所需的数据比其他模型类型少。
多类别分类模型可从三个或更多个互不关联的类别中预测一个类别。使用此模型类型进行分类。例如,作为零售商,您可能希望构建一个多类别分类模型来将客户划分为不同的角色。
回归模型可预测连续值。例如,作为零售商,您可能希望构建一个回归模型来预测客户下个月的支出。
用于创建分类或回归模型并进行预测的工作流
在 Vertex AI 中创建分类或回归模型的过程如下:
步骤 |
说明 |
1.准备训练数据 |
准备用于模型训练的训练数据。 |
2. 创建数据集 |
创建新数据集并将准备好的训练数据与该数据集关联。 |
3.训练模型 |
使用数据集在 Vertex AI 中训练分类或回归模型。 |
4.评估模型 |
针对预测准确率评估新训练的模型。 |
5. 查看模型架构 |
查看调节试验的超参数日志和最终模型的超参数日志。 |
6.从模型获取预测结果 |
如果您想要进行实时预测,则可以部署模型并获取在线预测结果。 如果您不需要进行实时预测,则可以直接向模型发出批量预测请求。 |
如未另行说明,那么本页面中的内容已根据知识共享署名 4.0 许可获得了许可,并且代码示例已根据 Apache 2.0 许可获得了许可。有关详情,请参阅 Google 开发者网站政策。Java 是 Oracle 和/或其关联公司的注册商标。
[{
"type": "thumb-down",
"id": "hardToUnderstand",
"label":"Hard to understand"
},{
"type": "thumb-down",
"id": "incorrectInformationOrSampleCode",
"label":"Incorrect information or sample code"
},{
"type": "thumb-down",
"id": "missingTheInformationSamplesINeed",
"label":"Missing the information/samples I need"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"翻译问题"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"其他"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"易于理解"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"解决了我的问题"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"其他"
}]
{
"confidential": False
}