Os modelos de classificação binária preveem um resultado binário (uma de duas classes). Use esse tipo de modelo para perguntas sim ou não. Por exemplo, é possível criar um modelo de classificação binária para prever se um cliente faria uma assinatura. Geralmente, um problema de classificação binária requer menos dados do que outros tipos de modelo.
Os modelos de classificação multiclasse preveem uma classe entre três ou mais classes distintas. Use esse tipo de modelo para categorização. Por exemplo, como varejista, convém criar um modelo de classificação multiclasse para segmentar clientes em diferentes perfis.
Os modelos de regressão preveem um valor contínuo. Por exemplo, como varejista, talvez você queira criar um modelo de regressão para prever quanto um cliente vai gastar no próximo mês.
Fluxo de trabalho para criar um modelo de classificação ou regressão e fazer previsões
O processo para criar um modelo de classificação ou regressão na Vertex AI é o seguinte:
| Etapas | Descrição |
|---|---|
| 1. Preparar dados de treinamento | Prepare os dados de treinamento para treinar o modelo. |
| 2. crie um conjunto de dados | Crie um novo conjunto de dados e associe os dados de treinamento preparados a ele. |
| 3. Treinar um modelo | Treine um modelo de classificação ou regressão na Vertex AI usando seu conjunto de dados. |
| 4. avalie o modelo | Avalie seu modelo de previsão recém-treinado para a precisão. |
| 5. Ver arquitetura do modelo | Veja os registros de hiperparâmetros dos testes de ajuste e os registros de hiperparâmetros do modelo final. |
| 6. Receber previsões do modelo | Se você quiser previsões em tempo real, implante o modelo e faça previsões on-line. Se você não precisa de previsões em tempo real, é possível fazer solicitações de previsões em lote diretamente para seu modelo. |