Os modelos de classificação binária preveem um resultado binário (uma de duas classes). Use este tipo de modelo para perguntas de sim ou não. Por exemplo, pode querer criar um modelo de classificação binária para prever se um cliente compraria uma subscrição. Geralmente, um problema de classificação binária requer menos dados do que outros tipos de modelos.
Os modelos de classificação multiclasse preveem uma classe a partir de três ou mais classes discretas. Use este tipo de modelo para a categorização. Por exemplo, como retalhista, pode querer criar um modelo de classificação de várias classes para segmentar os clientes em diferentes personagens fictícias.
Os modelos de regressão preveem um valor contínuo. Por exemplo, como retalhista, pode querer 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 inferências
O processo de criação de um modelo de classificação ou regressão no Vertex AI é o seguinte:
| Passos | Descrição |
|---|---|
| 1. Prepare os dados de preparação | Prepare os dados de preparação para a preparação do modelo. |
| 2. Crie um conjunto de dados | Crie um novo conjunto de dados e associe-lhe os dados de preparação preparados. |
| 3. Prepare um modelo | Prepare um modelo de classificação ou regressão no Vertex AI com o seu conjunto de dados. |
| 4. Avalie o seu modelo | Avalie o modelo recém-formado quanto à precisão da inferência. |
| 5. Veja a arquitetura do modelo | Veja os registos de hiperparâmetros das experiências de aperfeiçoamento e os registos de hiperparâmetros do modelo final. |
| 6. Obtenha inferências do seu modelo | Para obter inferências em tempo real, implemente o seu modelo e obtenha inferências online. Se não precisar de inferências em tempo real, faça pedidos de inferência em lote diretamente ao seu modelo. |