このページには、AutoML Tables の既知の問題とともに、これらの問題の回避方法や復旧方法が記載されています。
予測
特徴列が 1 つのみのバッチ予測リクエストが失敗する
バッチ予測には少なくとも 2 つの特徴列が必要です。
BigQuery との統合
BigQuery テーブルまたはビューのエラーが内部エラーとして表示される
BigQuery をデータソースまたは予測結果ターゲットとして使用する場合に、BigQuery のスキーマや構成に問題があると、そのエラーが AutoML Tables に内部エラーとして返されることがあります。BigQuery の操作中に内部エラーが発生した場合は、BigQuery のスキーマと構成を確認してください。
Cloud AutoML API
API エンドポイントとドキュメントにサポートされていない API バージョンがある
AutoML Tables でサポートされる Cloud AutoML API のバージョンは、
v1beta
のみです。v1
REST または RPC エンドポイントを使用した AutoML Tables オブジェクトへのアクセスまたは変更はサポートされていません。
AutoML Tables での Google Cloud Console の使用
Microsoft Edge および Microsoft Internet Explorer ブラウザのユーザー エクスペリエンスが最適ではない可能性がある
AutoML Tables の機能の中には、Microsoft Edge と Microsoft Internet Explorer でサポートされないものがあります。問題がある場合は、ブラウザとして Google Chrome、Safari、Firefox を使用してみてください。
解決済みの問題
このページで紹介している次の問題は、AutoML Tables には影響しなくなりました。
ローカル特徴量の重要度の結果がタイムスタンプの特徴でサポートされない
ローカル特徴量の重要度は、Timestamp 型の特徴を持つモデルで完全にサポートされるようになりました。
モデルをデプロイした後のオンライン予測リクエストのレイテンシが長い
モデルをデプロイした後の最初のオンライン予測リクエストで長いレイテンシが発生しなくなりました。
トレーニング時間が必要以上に長くてもモデルの品質が低下しなくなった
AutoML Tables は、モデルの品質がこれ以上改善しないことを検出すると、モデルのトレーニングを自動的に停止します。
データセットの行数が 100,000 行に満たない場合でも、モデルの品質が低下しなくなった
行数が 100,000 行に満たないデータセットを使用して、モデルの品質を大幅に低下させることなく、モデルをトレーニングできます。通常、データが多いほどモデルの品質は向上します。トレーニング データは、少なくとも 1,000 行必要です。