本頁說明如何準備產生預測輸出內容所需的資料集。
事前準備
開始之前,請先準備下列項目:
建立用於預測的資料集
您可以使用現有資料集 (例如用於回測的資料集) 建立預測結果。不過,在實際工作環境中,建議您為每次預測作業建立新的資料集:
- 身為客戶,您必須負責追蹤從資料集到模型的所有沿革。為確保資料保持不變,建議您在 BigQuery 資料表通過資料驗證後,建立 BigQuery 資料表快照,並在反洗錢 AI 資料集中參照該快照。如果您參照的是定期更新的資料表,AML AI 作業每次使用 AML AI 資料集時,都會讀取 BigQuery 資料表,因此對基礎 BigQuery 資料表所做的變更,可能會影響調整、訓練、回測和預測。
- 請按照「為 AML AI 準備資料」一節的說明準備 BigQuery 資料表,然後使用您在步驟 1 中擷取快照的資料表,建立用於預測的獨立 AML AI 資料集。如要建立 BigQuery 資料集和資料表,您可以使用準備 BigQuery 資料集和資料表一節中的指令。
準備輸出目的地
當您建立預測結果資源時,AML AI 會在 BigQuery 中產生預測輸出內容 (風險分數和可解釋性)。
建立預測結果前,您必須為這些輸出內容建立 BigQuery 資料集。只要授予正確的權限,並且資料集位於已啟用 API 的專案中,且與 AML AI 執行個體位於相同位置,即可使用任何 BigQuery 資料集做為預測輸出。
產生風險分數和可解釋性
有了用於預測的資料集、已訓練的模型資源,以及用於輸出的 BigQuery 資料集,您就可以建立預測結果。如要這麼做,請參閱「建立及管理預測結果」。