I modelli di classificazione binaria prevedono un risultato binario (una di due classi). Utilizza questo tipo di modello per le domande sì o no. Ad esempio, potresti voler creare un modello di classificazione binario per prevedere se un cliente acquisterebbe un abbonamento. Generalmente, un problema di classificazione binario 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, in qualità di retailer, potresti voler creare un modello di classificazione multiclasse per segmentare i clienti in base a utenti tipo diversi.
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 prossimo.
Flusso di lavoro per la creazione di un modello di classificazione o regressione e per l'elaborazione di previsioni
Il processo per creare un modello di classificazione o regressione in Vertex AI è il seguente:
| Procedura | Descrizione |
|---|---|
| 1. Preparare i dati di addestramento | Prepara i dati di addestramento per l'addestramento del modello. |
| 2. Crea un set di dati | Crea un nuovo set di dati a cui associare i dati di addestramento preparati. |
| 3. Addestra un modello | Addestra un modello di classificazione o regressione in Vertex AI utilizzando il tuo set di dati. |
| 4. Valutare il modello | Valuta il tuo modello appena addestrato per assicurare l'accuratezza delle previsioni. |
| 5. Visualizza l'architettura del modello | Visualizza i log degli iperparametri delle prove di ottimizzazione e i log degli iperparametri del modello finale. |
| 6. Ottieni previsioni dal tuo modello | Se vuoi ottenere previsioni in tempo reale, puoi eseguire il deployment del modello e ricevere previsioni online. Se non hai bisogno di previsioni in tempo reale, puoi effettuare richieste di previsione in batch direttamente sul modello. |