Auf dieser Seite wird beschrieben, wie Sie die Datasets vorbereiten, die zum Generieren von Prognosen erforderlich sind.
Hinweis
Für den Start ist Folgendes erforderlich:
- Ein Modell
- Alle Parteien registrieren, die im Dataset enthalten sind, das Sie für die Vorhersage verwenden
Dataset für Vorhersagen erstellen
Sie können Vorhersagen mithilfe eines vorhandenen Datasets erstellen (z. B. für Backtesting verwendet wurden). In einer Produktionsumgebung empfehlen wir jedoch, für jeden Vorhersagelauf einen neuen Datensatz zu erstellen:
- Als Kunde sind Sie für die gesamte Verfolgung der Abfolge vom Datensatz zum Modell verantwortlich. Damit die Daten unverändert bleiben, sollten Sie Erstellen eines BigQuery-Tabellen-Snapshots nachdem sie die Datenvalidierung bestanden haben und auf den Snapshot in das AML AI-Dataset. Wenn Sie regelmäßig aktualisierte Tabellen verwenden, Vorgänge lesen die BigQuery-Tabellen jedes Mal, wenn ein Vorgang die AML AI verwendet Dadurch können sich Änderungen an den zugrunde liegenden BigQuery-Tabellen auf Feinabstimmung, Training, Backtesting und Vorhersagen.
- Folgen Sie der Anleitung unter Daten für AML-KI vorbereiten, um Ihre BigQuery-Tabellen vorzubereiten, und erstellen Sie dann ein separates AML-KI-Dataset für die Vorhersage mit den Tabellen, die Sie in Schritt 1 als Snapshot erstellt haben. Zum Erstellen der BigQuery-Datasets und ‑Tabellen können Sie die Befehle unter BigQuery-Datasets und ‑Tabellen vorbereiten verwenden.
Ausgabeziele vorbereiten
AML AI generiert Vorhersageausgaben (Risikobewertungen und Erklärbarkeit) in BigQuery, wenn Sie Vorhersageergebnisse erstellen Ressource.
Bevor Sie Vorhersageergebnisse erstellen, müssen Sie BigQuery-Dataset erstellen für diese Ausgaben. Jedes BigQuery-Dataset kann für Prognosen verwendet werden, sofern die richtigen Berechtigungen gewährt wurden und sich das Dataset im selben Projekt wie die API und am selben Speicherort wie die AML-KI-Instanz befindet.
Risikobewertungen und Erklärbarkeit generieren
Sie haben jetzt das Dataset für die Vorhersage, eine trainierte Modellressource und ein BigQuery-Dataset für die Ausgabe. Sie können also Vorhersageergebnisse erstellen. Weitere Informationen finden Sie unter Vorhersageergebnisse erstellen und verwalten.