Problemi noti

In questa pagina sono elencati i problemi noti di AutoML Tables, insieme ai modi in cui puoi evitarli o recuperarli.

Previsione

  • Richieste di previsione batch con una sola colonna di caratteristiche non riuscita.

    Devi fornire almeno due colonne di caratteristiche con previsioni batch.

Integrazione BigQuery

  • Errori con le tabelle o le viste BigQuery mostrate come errori interni

    Se utilizzi BigQuery come origine dati o target di previsione e si verificano problemi con la tua configurazione o lo schema BigQuery, l'errore potrebbe essere restituito in Tabelle AutoML come errore interno. Se riscontri un errore interno quando lavori con BigQuery, controlla lo schema e la configurazione di BigQuery.

API Cloud AutoML

  • Versioni API non supportate presenti negli endpoint API e nella documentazione

    L'unica versione dell'API Cloud AutoML supportata per le tabelle AutoML è v1beta. Non è supportato l'utilizzo degli endpoint REST o RPC v1 per accedere o modificare gli oggetti AutoML Tables.

Utilizzo di Google Cloud Console con AutoML Tables

  • L'esperienza utente con i browser Microsoft Edge e Microsoft Internet Explorer potrebbe non essere ottimale.

    Microsoft Edge e Microsoft Internet Explorer non supportano tutte le funzionalità di AutoML Tables. Se riscontri problemi, prova Google Chrome, Safari o Firefox.

Problemi risolti

I seguenti problemi sono stati elencati in questa pagina, ma non interessano più le tabelle AutoML.

  • I risultati relativi all'importanza delle funzionalità locali non sono supportati con le funzionalità del timestamp

    L'importanza delle funzionalità locali è ora completamente supportata per i modelli con funzionalità di tipo Timestamp.

  • Latenza elevata per le richieste di previsione online dopo il deployment del modello

    Dopo aver eseguito il deployment del modello, le prime richieste di previsione online non mostrano più una maggiore latenza.

  • L'addestramento per più tempo del necessario non riduce più la qualità del modello.

    AutoML Tables interrompe automaticamente l'addestramento del modello quando rileva che la qualità del modello non migliora più.

  • I set di dati con meno di 100.000 righe non riducono più la qualità del modello.

    I set di dati con meno di 100.000 righe possono essere utilizzati per addestrare i modelli senza un calo significativo della qualità dei modelli. Ricorda che, in genere, un maggior numero di dati migliora la qualità dei modelli. La quantità minima di dati di addestramento è 1000 righe.