クイックスタート

このクイックスタートでは、AutoML Tables ウェブ アプリケーションを使用して以下の手順を行うプロセスを順に紹介していきます。

  • データセットを作成します。
  • CSV ファイルからデータセットにテーブルデータをインポートします。
  • インポートしたデータのスキーマの列を確認します。
  • インポートしたデータからモデルをトレーニングします。
  • モデルを使用して予測を行います。

プロセスがすべて完了するまでに 2~3 時間かかります。その時間のほとんどは見た目に変化のない状態が続くため、ブラウザ ウィンドウを閉じ、後でタスクに戻ってもかまいません。

始める前に

プロジェクトの作成と AutoML Tables の有効化

  1. Google アカウントにログインします。

    Google アカウントをまだお持ちでない場合は、新しいアカウントを登録します。

  2. GCP Console で [リソースの管理] ページに移動し、既存のプロジェクトを選択するか、新しいプロジェクトを作成します。

    [リソースの管理] ページに移動

  3. Google Cloud Platform プロジェクトに対して課金が有効になっていることを確認します。

    課金を有効にする方法について

  4. Cloud AutoML と Storage API を有効にします。

    APIを有効にする

サンプルデータ

このクイックスタートでは、オープンソースの Bank marketing のデータセットを使用します。このデータセットは、クリエイティブ・コモンズ CCO: Public Domain のライセンスを通じて利用できます。列名はわかりやすいように改定しています。

データセットの作成とモデルのトレーニング

  1. Google Cloud Platform Console で [AutoML テーブル] にアクセスし、データセットの作成とモデルのトレーニングのプロセスを開始します。

    [AutoML テーブル] ページに移動

  2. [データセット] を選択し、[新しいデータセット] を選択します。

    AutoML Tables のデータセットのページ

  3. データセット名に「Quickstart_Dataset」と入力し、[データセットを作成] をクリックします。

  4. [データのインポート] ページで、[Cloud Storage の CSV] を選択します。

  5. バケットに「cloud-ml-tables-data/bank-marketing.csv」と入力します。

  6. [インポート] をクリックします。

    AutoML Tables のデータセットの作成ページ

    データセットのインポートが完了するまで数分かかります。

  7. データのインポートが完了したら、[ターゲット列] で [Deposit] を選択します。

    ターゲット列は、予測用にモデルをトレーニングする値を識別します。

    [続行] をクリックします。

    AutoML Tables のスキーマのページ

  8. データセットの統計が更新されたら、インポートされたデータの統計を確認し、検証できます。

    インポートされたデータセットの統計

    各行をクリックすると、特定の特徴の分布と相関に関する詳細を表示できます。

    データセット行の詳細

  9. [トレーニング] タブを選択します。[モデル名] に「Quickstart_Model」と入力し、[トレーニングの予算] に「1」と入力します。

    AutoML Tables のトレーニング ページ

  10. [概要] セクションで、[トレーニング] ボタンをクリックしてモデルをトレーニングします。

    モデルのトレーニングが完了するまで約 2 時間かかります。モデルのトレーニングが正常に完了すると、[トレーニング] タブにモデルの主な指標が表示されます。

    トレーニング済みモデルの主な指標

  11. モデルの評価指標の詳細ビューで、[評価] タブを選択します。

    このモデルでは、1 は悪い結果(この銀行に預金が行われない)ことを表し、2 は良い結果(この銀行に預金が行われる)ことを表します。

    ラベルを選択すると、そのラベルに対する具体的な評価指標を表示できます。[スコアのしきい値] を調整すると、しきい値を変えることで指標がどのように変化するかを確認できます。

    AutoML Tables の評価ページ

    下方にスクロールして、混同行列と特徴の重要度のグラフを表示することもできます。

    混同行列と特徴の重要度のグラフ

  12. [予測] タブを選択し、[オンライン予測] をクリックします。

  13. [モデルのデプロイ] をクリックしてモデルをデプロイします。

    オンライン予測をリクエストするには、まずモデルをデプロイする必要があります。モデルのデプロイが完了するまで数分かかります。

    AutoML Tables の評価ページ

  14. AutoML Tables には、モデルのテストに利用できるテストデータの行が用意されています。[カスタムモデルを使用] の下から request.json の内容をコピーし、[モデルのテストと使用] の下にある空のテキスト ボックスに貼り付け、[予測] をクリックします。

    AutoML Tables の予測ページ

    AutoML Tables によって、入力値を基に良い結果('2' = deposit)の確率が判定され、[モデルのテスト] セクションに予測の信頼値が表示されます。

    予測リクエストをバッチ形式で送信することもできます。 詳細についてはこちらをご覧ください。

クリーンアップ

不要になったカスタムモデルやデータセットは削除できます。

Google Cloud Platform の不必要な課金を避けるため、GCP Console を使用して、不要になったプロジェクトを削除します。

モデルのデプロイ解除

モデルがデプロイされている間は料金がかかります。

  1. [モデル] を選択し、デプロイ解除するモデルをクリックします。
  2. [予測] タブを選択し、[オンライン予測] をクリックします。
  3. [デプロイメントを削除] をクリックします。

モデルのデプロイ解除

モデルの削除

モデルを削除するには、[モデル] を選択します。削除するモデルの [その他の操作] メニューをクリックし、[モデルを削除] を選択します。

モデルを削除

データセットの削除

データセットを削除するには、[データセット] を選択します。削除するモデルの [その他の操作] メニューをクリックし、[データセットの削除] を選択します。

データセットの削除

次のステップ

このページは役立ちましたか?評価をお願いいたします。

フィードバックを送信...

AutoML Tables のドキュメント