AutoML 模型类型

机器学习 (ML) 模型使用训练数据来学习如何针对未用于训练模型的数据推断结果。借助 Vertex AI 上的 AutoML,您可以根据您提供的训练数据构建无代码模型。

本文档介绍使用 AutoML 可以解决的某些类型的问题。

了解可以使用 AutoML 构建的模型类型

您可以构建的模型类型取决于您拥有的数据类型。以下各部分介绍可以使用图片数据、表格数据、文本数据和视频数据构建的模型类型。

如需解决与以下部分中的问题类型不匹配的复杂问题,应想办法将问题拆分为一组较小问题。组合多个模型可能有助于解决特别复杂的问题。

图片数据

AutoML 使用机器学习来分析图片数据的内容。您可以使用 AutoML 训练机器学习模型,以对图片进行分类或查找图片数据中的对象。

  • 分类模型会分析图片数据,并返回适用于图片的内容类别列表。例如,您可以训练一个模型,将图片按是否包含猫分类,也可以训练一个模型,将图片按狗的品种分类。

  • 对象检测模型会分析图片数据,并为在图片中找到的所有对象返回注释,其中包含每个对象的标签和边界框位置。例如,您可以训练一个模型,查找图片数据中猫的位置。

要开始使用 AutoML 构建图片数据模型,请执行以下操作:

表式数据

AutoML 使用机器学习来分析表格数据的内容。您可以使用 AutoML 训练机器学习模型,以使用回归查找数值,或者使用分类根据表格数据预测分类结果。

  • 回归模型会分析表格数据并返回数值。例如,您可以训练模型来估算房屋的价值。

  • 分类模型会分析表格数据,并返回描述数据的类别列表。例如,您可以训练一个模型,预测客户的交易历史记录是否能预测客户是否会购买订阅。

  • 预测模型(预览版)使用多行与时间相关的历史表格数据来预测一系列未来的数值。例如,通过预测未来的产品需求,零售组织可以优化其供应链,以降低该产品积压或脱销的概率。

要开始使用 AutoML 构建表格数据模型,请执行以下操作:

文本数据

AutoML 使用机器学习来分析文本数据的结构和含义。您可以使用 AutoML 训练机器学习模型,对文本数据进行分类、提取信息或了解作者的情感。

  • 分类模型会分析文本数据,并返回适用于数据中找到的文本的类别列表。Vertex AI 提供单标签和多标签文本分类模型。

  • 实体提取模型会检查数据中引用的已知实体的文本数据,并对文本中的这些实体添加标签。

  • 情感分析模型会检查文本数据并确定其中的主导性情绪观点,尤其是确定作者的态度是积极、消极还是中立的。

要开始使用 AutoML 构建文本数据模型,请执行以下操作:

视频数据

AutoML 使用机器学习来分析视频数据,以便对镜头和片段进行分类,或检测和跟踪视频数据中的多个对象。

  • 分类模型会分析视频数据,并返回分类镜头和片段的列表。例如,您可以训练一个模型来分析视频数据,以识别视频是足球、棒球、篮球还是橄榄球比赛。

  • 对象跟踪模型会分析视频数据,并返回检测到这些对象的镜头和片段列表。例如,您可以训练一个模型来分析足球比赛的视频数据以识别并跟踪球。

  • 动作识别模型会分析视频数据,并返回分类的动作和动作发生的时刻的列表。例如,您可以训练一个模型来分析视频数据,以识别足球进球、高尔夫挥杆、触地得分或击掌的动作瞬间画面。

如需开始使用 AutoML 构建视频数据模型,请执行以下操作: