I modelli di classificazione binaria prevedono un esito binario (una di due classi). Utilizza questo tipo di modello per le domande con risposta sì o no. Ad esempio, potresti volere costruire un modello di classificazione binaria per prevedere se un cliente acquisterà un abbonamento. In genere, un problema di classificazione binaria richiede meno dati rispetto ad altri tipi di modelli.
I modelli di classificazione multi-classe prevedono una classe da tre o più classi discrete. Utilizza questo tipo di modello per la classificazione. Ad esempio, come rivenditore, potresti voler creare un modello di classificazione multi-classe per segmentare i clienti in diversi profili.
I modelli di regressione prevedono un valore continuo. Ad esempio, in qualità di rivenditore, potresti voler creare un modello di regressione per prevedere quanto spenderà un cliente il mese successivo.
Flusso di lavoro per la creazione di un modello di classificazione o regressione ed esecuzione di previsioni
La procedura per creare un modello di classificazione o regressione in Vertex AI è la seguente:
| Passaggi | Descrizione |
|---|---|
| 1. Prepara i dati di addestramento | Prepara i dati di addestramento per l'addestramento del modello. |
| 2. Creare un set di dati | Crea un nuovo set di dati e associavi i dati di addestramento preparati. |
| 3. Addestrare un modello | Addestra un modello di classificazione o regressione in Vertex AI utilizzando il tuo set di dati. |
| 4. Valutare il modello | Valuta l'accuratezza delle previsioni del modello appena addestrato. |
| 5. Visualizzare l'architettura del modello | Visualizza i log degli iperparametri delle prove di ottimizzazione e i log degli iperparametri del modello finale. |
| 6. Ottenere le previsioni dal modello | Se vuoi previsioni in tempo reale, puoi eseguire il deployment del modello e ottenere previsioni online. Se non hai bisogno di previsioni in tempo reale, puoi inviare richieste di previsioni batch direttamente al tuo modello. |