Binärklassifizierungsmodelle sagen ein binäres Ergebnis vorher (eine von zwei Klassen). Verwenden Sie diesen Modelltyp für Ja- oder Nein-Fragen. Beispiel: Sie können ein binäres Klassifizierungsmodell erstellen, um vorherzusagen, ob ein Kunde ein Abo erwerben würde. Im Allgemeinen erfordert ein binäres Klassifizierungsproblem weniger Daten als andere Modelltypen.
Klassifizierungsmodelle mit mehreren Klassen sagen eine Klasse aus drei oder mehr gesonderten Klassen vorher. Verwenden Sie diesen Modelltyp für die Kategorisierung. Beispiel: Als Einzelhändler möchten Sie ein Klassifizierungsmodell mit mehreren Klassen erstellen, um Kunden in verschiedene Personen zu unterteilen.
Regressionsmodelle sagen einen kontinuierlichen Wert voraus. Beispiel: Als Einzelhändler möchten Sie ein Regressionsmodell erstellen, um vorherzusagen, wie viel ein Kunde im nächsten Monat ausgeben wird.
Workflow für das Erstellen eines Klassifizierungs- oder Regressionsmodells und das Erstellen von Vorhersagen
So erstellen Sie ein Klassifizierungs- oder Regressionsmodell in Vertex AI:
| Schritte | Beschreibung |
|---|---|
| 1. Trainingsdaten vorbereiten | Bereiten Sie Ihre Trainingsdaten für das Modelltraining vor. |
| 2. Dataset erstellen | Erstellen Sie ein neues Dataset und verknüpfen Sie Ihre vorbereiteten Trainingsdaten. |
| 3. Modell trainieren | Trainieren Sie mithilfe Ihres Datasets ein Klassifizierungs- oder Regressionsmodell in Vertex AI. |
| 4. Modell auswerten | Evaluieren Sie Ihr neu trainiertes Prognosemodell auf die Vorhersagegenauigkeit. |
| 5. Modellarchitektur aufrufen | Sehen Sie sich die Hyperparameterlogs der Abstimmungstests und die Hyperparameterlogs des endgültigen Modells an. |
| 6. Vorhersagen mit Ihrem Modell abrufen | Wenn Sie Echtzeitvorhersagen wünschen, können Sie Ihr Modell bereitstellen und Onlinevorhersagen abrufen. Wenn Sie keine Echtzeitvorhersagen benötigen, können Sie Anfragen für Batchvorhersagen direkt an Ihr Modell stellen. |