Panduan memulai ini memandu Anda melalui proses penggunaan aplikasi web AutoML Tables untuk melakukan langkah-langkah berikut:
- Membuat set data.
- Impor data tabel dari {i>file<i} CSV ke {i>dataset<i}.
- Identifikasi kolom skema dalam data yang diimpor.
- Latih model dari data yang diimpor.
- Menggunakan model untuk membuat prediksi.
Seluruh proses ini membutuhkan waktu beberapa jam. Sebagian besar waktu tersebut bukanlah waktu aktif; Anda dapat menutup jendela browser dan kembali ke tugas nanti.
Sebelum memulai
Membuat project dan mengaktifkan AutoML Tables
- Login ke akun Google Cloud Anda. Jika Anda baru menggunakan Google Cloud, buat akun untuk mengevaluasi performa produk kami dalam skenario dunia nyata. Pelanggan baru juga mendapatkan kredit gratis senilai $300 untuk menjalankan, menguji, dan men-deploy workload.
-
Di konsol Google Cloud, pada halaman pemilih project, pilih atau buat project Google Cloud.
-
Pastikan penagihan telah diaktifkan untuk project Google Cloud Anda.
-
Enable the Cloud AutoML and Storage APIs.
-
Di konsol Google Cloud, pada halaman pemilih project, pilih atau buat project Google Cloud.
-
Pastikan penagihan telah diaktifkan untuk project Google Cloud Anda.
-
Enable the Cloud AutoML and Storage APIs.
Data sampel
Panduan memulai ini menggunakan set data open source Pemasaran bank, yang tersedia melalui lisensi CCO: Domain Publik Creative Commons. Nama kolom telah diperbarui agar lebih jelas.
Membuat set data dan melatih model
Kunjungi AutoML Tables di Konsol Google Cloud untuk memulai proses pembuatan set data dan melatih model Anda.
Pilih Set data, lalu pilih Set data baru.
Masukkan
Quickstart_Dataset
untuk nama set data, lalu klik Create dataset.Di halaman Impor data Anda, pilih Pilih file CSV dari Cloud Storage.
Biarkan Location ditetapkan ke
Global
.Masukkan
cloud-ml-tables-data/bank-marketing.csv
untuk bucket.Klik Import.
Proses impor set data memerlukan waktu beberapa menit.
Setelah impor set data selesai, pilih
Deposit
untuk Target column.Kolom target mengidentifikasi nilai yang akan dilatih untuk diprediksi oleh model.
Jendela ini menyediakan informasi tentang data yang diimpor. Anda dapat mengklik masing-masing baris untuk melihat lebih lanjut distribusi dan korelasi untuk fitur tertentu.
Klik Train model. Masukkan
Quickstart_Model
untuk Model name, dan1
untuk Anggaran pelatihan.Klik Train model untuk memulai proses pelatihan.
Pelatihan model memerlukan waktu sekitar dua jam untuk diselesaikan. Setelah model berhasil dilatih, tab Model akan menampilkan metrik tingkat tinggi untuk model tersebut.
Pilih tab Evaluate untuk melihat tampilan metrik evaluasi model secara mendetail.
Untuk model ini,
1
merepresentasikan hasil negatif--setoran tidak dilakukan di bank.2
menunjukkan hasil positif--setoran dilakukan di bank.Anda dapat memilih label untuk melihat metrik evaluasi khusus untuk label tersebut. Anda juga dapat menyesuaikan Nilai minimum skor untuk melihat perbedaan metrik untuk nilai minimum yang berbeda.
Anda juga dapat men-scroll ke bawah untuk melihat grafik matriks konfusi dan nilai penting fitur.
Pilih tab Pengujian & Penggunaan, dan pilih Prediksi online.
Klik Deploy model untuk men-deploy model Anda.
Anda harus men-deploy model sebelum dapat meminta prediksi online. Proses deploy model dapat memerlukan waktu beberapa menit.
Saat model di-deploy, AutoML Tables mengisi data sampel untuk membantu Anda menguji model.
Pilih kotak centang Buat tingkat kepentingan fitur.
Klik Prediksi untuk meminta prediksi online.
AutoML Tables menentukan probabilitas setiap kemungkinan hasil berdasarkan nilai input dan menampilkan nilai keyakinan untuk prediksi tersebut di bagian Hasil prediksi.
Pada contoh di atas, model memprediksi hasil "1", dengan kepastian 99,8%.
Anda juga dapat mengirimkan permintaan prediksi dalam bentuk batch. Pelajari lebih lanjut.
Pembersihan
Jika Anda tidak lagi memerlukan model atau set data kustom Anda, Anda dapat menghapusnya.
Untuk menghindari tagihan Google Cloud Platform yang tidak diperlukan, gunakan konsol Google Cloud untuk menghapus project jika Anda tidak membutuhkannya.
Membatalkan deployment model
Model Anda akan dikenai biaya saat di-deploy.
- Pilih Model, lalu klik model yang ingin dibatalkan deployment-nya.
- Pilih tab Pengujian & Penggunaan dan klik Prediksi online.
- Klik Hapus deployment.
Menghapus model
Untuk menghapus model, pilih Model. Klik menu Tindakan lainnya untuk model yang ingin Anda hapus, lalu pilih Delete model.
Menghapus set data
Untuk menghapus set data, pilih Set data. Klik menu Tindakan lainnya untuk model yang ingin Anda hapus, lalu pilih Delete dataset.
Langkah selanjutnya
- Pelajari fitur dan kemampuan AutoML Tables.
- Jalankan lebih banyak contoh menggunakan notebook Colab.
- Baca Panduan pemula kami.
- Mulai menyiapkan data pelatihan Anda untuk deployment AutoML Tables Anda sendiri.
- Pelajari cara menafsirkan hasil prediksi.
- Pelajari pentingnya fitur lokal.