バイナリ分類モデルは、バイナリの結果（2 つのクラスのうちのいずれか）を予測します。「はい」か「いいえ」で答える質問には、このモデルタイプを使用します。たとえば、バイナリ分類モデルを構築して利用者がサブスクリプションを購入するかどうかを予測できます。通常、バイナリ分類問題に必要となるデータは、他のモデルタイプよりも少なくなります。
マルチクラス分類モデルは、1 つのクラスを 3 つ以上の個別クラスから予測します。このモデルタイプは分類に使用します。たとえば、小売業者がマルチクラス分類モデルを構築して、買物客をさまざまなペルソナにセグメント分けすることが考えられます。
回帰モデルは、連続値を予測します。たとえば、小売業者は回帰モデルを構築して、お客様が来月使用する金額を予測できます。
分類モデルまたは回帰モデルを作成して予測を行うためのワークフロー
Vertex AI で分類モデルまたは回帰モデルを作成するプロセスは次のとおりです。
| 手順 | 説明 |
|---|---|
| 1. トレーニング データを準備する | モデルのトレーニングに使用するトレーニング データを用意します。 |
| 2. データセットを作成する | 新しいデータセットを作成し、準備したトレーニング データを関連付けます。 |
| 3. モデルをトレーニングする | データセットを使用して Vertex AI で分類モデルまたは回帰モデルをトレーニングします。 |
| 4.モデルを評価する | 新しくトレーニングしたモデルの予測精度を評価します。 |
| 5. モデル アーキテクチャを表示する | チューニング トライアルのハイパーパラメータ ログと最終モデルのハイパーパラメータ ログを表示します。 |
| 6. モデルから予測を取得する | リアルタイムの予測が必要な場合は、モデルをデプロイしてオンライン予測を取得できます。 リアルタイム予測が不要な場合は、モデルに直接バッチ予測リクエストを行うことができます。 |