Bekannte Probleme

Auf dieser Seite werden bekannte Probleme mit AutoML Tables sowie Möglichkeiten zur Vermeidung oder Behebung dieser Probleme aufgelistet.

Vorhersage machen

  • Anfragen für die Batchvorhersage mit nur einer Featurespalte schlagen fehl.

    Sie müssen mindestens zwei Featurespalten mit Batchvorhersagen angeben.

BigQuery-Einbindung

  • Fehler bei BigQuery-Tabellen oder -Ansichten werden als interner Fehler angezeigt

    Wenn Sie BigQuery als Datenquellen- oder Vorhersageergebnisziel verwenden und Probleme mit Ihrem BigQuery-Schema oder der BigQuery-Konfiguration auftreten, wird der Fehler möglicherweise in AutoML Tables als interner Fehler zurückgegeben. Wenn bei der Arbeit mit BigQuery ein interner Fehler auftritt, prüfen Sie das BigQuery-Schema und die BigQuery-Konfiguration.

Cloud AutoML API

  • Nicht unterstützte API-Versionen in API-Endpunkten und -Dokumentation

    Die einzige Version der Cloud AutoML API, die für AutoML Tables unterstützt wird, ist v1beta. Die Verwendung von v1 REST- oder RPC-Endpunkten für den Zugriff auf bzw. die Änderung von AutoML Tables-Objekten wird nicht unterstützt.

Google Cloud Console mit AutoML Tables verwenden

  • Die Microsoft Edge- und Microsoft Internet Explorer-Browser sind unter Umständen nicht optimal.

    Microsoft Edge und Microsoft Internet Explorer unterstützen nicht alle Funktionen von AutoML Tables. Falls Probleme auftreten, verwenden Sie Google Chrome, Safari oder Firefox.

Behobene Probleme

Die folgenden Probleme wurden auf dieser Seite aufgeführt, betreffen aber AutoML Tables nicht länger.

  • Lokale Merkmalwichtigkeit wird von Zeitstempelfunktionen nicht unterstützt

    Die lokale Merkmalwichtigkeit wird jetzt vollständig für Modelle mit Features vom Typ Zeitstempel unterstützt.

  • Hohe Latenz für Onlinevorhersageanfragen nach Bereitstellung des Modells

    Nachdem Sie Ihr Modell bereitgestellt haben, zeigen die ersten Onlinevorhersageanfragen keine erhöhte Latenz.

  • Wenn das Training länger als nötig dauert, verschlechtert sich die Modellqualität nicht mehr.

    AutoML Tables beendet automatisch das Training des Modells, wenn es feststellt, dass die Modellqualität nicht mehr verbessert wird.

  • Datasets mit weniger als 100.000 Zeilen führen nicht mehr zu einer geringeren Modellqualität.

    Datasets mit weniger als 100.000 Zeilen können zum Trainieren von Modellen verwendet werden, ohne dass die Modellqualität deutlich abnimmt. Beachten Sie, dass mehr Daten in der Regel zu einer besseren Modellqualität führen. Die Mindestanzahl an Trainingsdaten beträgt 1.000 Zeilen.