Questa guida rapida illustra la procedura per utilizzare l'applicazione web AutoML Tables per effettuare i seguenti passaggi:
- Crea un set di dati.
- Importa i dati di una tabella da un file CSV nel set di dati.
- Identifica le colonne dello schema nei dati importati.
- Addestra un modello dai dati importati.
- Utilizza il modello per fare previsioni.
L'intera procedura richiede un paio d'ore. La maggior parte del tempo non è attivo; puoi chiudere la finestra del browser e tornare all'attività in un secondo momento.
Prima di iniziare
Crea un progetto e abilita AutoML Tables
- Accedi al tuo account Google Cloud. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
Abilita le API Cloud AutoML and Storage.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
Abilita le API Cloud AutoML and Storage.
Dati di esempio
Questa guida rapida utilizza il set di dati open source Bank marketing, disponibile tramite una licenza Creative Commons CCO: Public Domain. I nomi delle colonne sono stati aggiornati per maggiore chiarezza.
Crea un set di dati e addestra un modello
Visita AutoML Tables nella console Google Cloud per iniziare il processo di creazione del set di dati e di addestramento del modello.
Seleziona Set di dati, poi Nuovo set di dati.
Inserisci
Quickstart_Dataset
come nome del set di dati e fai clic su Crea set di dati.Nella pagina Importa i dati, scegli Seleziona un file CSV da Cloud Storage.
Lascia il campo Posizione impostato su
Global
.Inserisci
cloud-ml-tables-data/bank-marketing.csv
per il bucket.Fai clic su Importa.
L'importazione del set di dati richiede alcuni minuti.
Al termine dell'importazione del set di dati, seleziona
Deposit
per la Colonna di destinazione.La colonna di destinazione identifica il valore che il modello verrà addestrato a prevedere.
Questa finestra fornisce informazioni sui dati importati. Puoi fare clic sulle singole righe per visualizzare ulteriori informazioni sulla distribuzione e sulla correlazione di una funzionalità specifica.
Fai clic su Addestra modello. Inserisci
Quickstart_Model
per Nome modello e1
per Budget addestramento.Fai clic su Addestra modello per avviare il processo di addestramento.
Il completamento dell'addestramento del modello richiede circa due ore. Una volta addestrato il modello, la scheda Modelli mostra le metriche di alto livello per il modello.
Seleziona la scheda Valuta per una visualizzazione dettagliata delle metriche di valutazione del modello.
Per questo modello,
1
rappresenta un risultato negativo: non è stato effettuato un bonifico presso la banca.2
rappresenta un risultato positivo: viene effettuato un bonifico in banca.Puoi selezionare un'etichetta per visualizzare metriche di valutazione specifiche per quell'etichetta. Puoi anche regolare la Soglia punteggio per vedere in che modo le metriche differiscono per diversi valori di soglia.
Puoi anche scorrere verso il basso per vedere la matrice di confusione e il grafico sull'importanza delle caratteristiche.
Seleziona la scheda Testa e utilizza e poi Previsione online.
Fai clic su Esegui il deployment del modello per eseguire il deployment del modello.
Prima di poter richiedere previsioni online, devi eseguire il deployment del modello. Il deployment di un modello richiede alcuni minuti.
Una volta eseguito il deployment del modello, AutoML Tables compila i dati di esempio per aiutarti a testare il modello.
Seleziona la casella di controllo Genera importanza delle caratteristiche.
Fai clic su Previsione per richiedere la previsione online.
AutoML Tables determina la probabilità di ogni possibile risultato in base ai valori di input e visualizza i valori di affidabilità per la previsione nella sezione Risultato della previsione.
Nell'esempio precedente, il modello prevede il risultato di "1", con una certezza del 99,8%.
Puoi anche inviare richieste di previsione in formato batch. Scopri di più.
esegui la pulizia
Se non hai più bisogno di un modello o set di dati personalizzato, puoi eliminarli.
Per evitare addebiti inutili di Google Cloud Platform, utilizza la console Google Cloud per eliminare il progetto se non ti serve.
Annulla il deployment del modello
Il modello prevede addebiti durante il deployment.
- Seleziona Modelli e fai clic sul modello di cui vuoi annullare il deployment.
- Seleziona la scheda Testa e utilizza e fai clic su Previsione online.
- Fai clic su Rimuovi deployment.
Eliminazione di un modello
Per eliminare un modello, seleziona Modelli. Fai clic sul menu Altre azioni relativo al modello da eliminare e seleziona Elimina modello.
Eliminazione di un set di dati
Per eliminare un set di dati, seleziona Set di dati. Fai clic sul menu Altre azioni per il modello da eliminare, quindi seleziona Elimina set di dati.
Passaggi successivi
- Scopri di più sulle funzionalità e le funzionalità di AutoML Tables.
- Consulta altri esempi utilizzando i blocchi note Colab.
- Leggi la nostra Guida per nuovi utenti.
- Inizia a preparare i dati di addestramento per il tuo deployment AutoML Tables.
- Scopri di più sull'interpretazione dei risultati della previsione.
- Scopri di più sull'importanza delle caratteristiche locali.