Al termine dell'addestramento del modello di classificazione tabulare AutoML, crea un endpoint ed esegui il deployment del modello nell'endpoint. Dopo aver eseguito il deployment del modello in questo nuovo endpoint, testa il modello richiedendo una previsione.
Carica il modello
Al termine dell'addestramento, il modello viene elencato nella scheda Modelli.
Nella console Google Cloud, nella sezione Vertex AI, vai alla pagina Modelli.
Nell'elenco dei modelli, fai clic sul nome del modello addestrato che hai creato in precedenza.
I modelli sono organizzati in versioni. Fai clic sulla versione del modello numero 1.
valuta il modello
Il riquadro Valuta consente di comprendere le prestazioni del modello rispetto al set di test. Quando hai finito, passa alla parte successiva del tutorial.
Metriche di valutazione
(Facoltativo) Tieni il puntatore sopra le icone ? per scoprire di più su ciascuna metrica di valutazione.
(Facoltativo) Sposta il cursore della soglia di confidenza per vedere l'impatto sui punteggi di precisione, richiamo e F1.
Matrice di confusione
La matrice di confusione mostra la differenza tra una previsione e il set di test (basato su dati empirici reali).
Ricorda che l'etichetta "1" è la classe negativa (il cliente non ha effettuato la registrazione per un deposito a termine) e "2" è la classe positiva. Il modello probabilmente ha ottenuto un risultato migliore prevedendo la classe negativa rispetto a quella positiva. Forse con un tempo di addestramento aggiuntivo, più dati o funzionalità aggiuntive, potresti migliorare le prestazioni predittive per la classe positiva.
Importanza delle caratteristiche
Importanza delle caratteristiche mostra in che modo ciascuna caratteristica ha influito sull'addestramento del modello: più elevato è il valore, maggiore è stato l'impatto.
Il modello probabilmente mostra che la durata (quanto è durata la comunicazione più recente tra la banca e il cliente, in secondi) ha contribuito in modo significativo al risultato della previsione.
esegui il deployment del modello su un endpoint
Per testare un modello o eseguire previsioni online, devi eseguirne il deployment in un endpoint.
Apri il riquadro Deployment e test.
In Deployment del modello fai clic su Esegui il deployment nell'endpoint.
Inserisci
Structured_AutoML_Tutorialcome nome dell'endpoint.Fai clic su Continua.
Mantieni il numero minimo di nodi di computing su
1e non inserire un valore massimo.Seleziona il tipo di macchina
n1-standard-2.Fai clic su Continua.
Disattiva il monitoraggio del modello per questo endpoint.
Per creare l'endpoint ed eseguire il deployment del modello nell'endpoint, fai clic su Esegui il deployment.
Il deployment del modello richiede circa 5 minuti. Quando l'endpoint è pronto, passa alla parte successiva del tutorial.
Richiedi una previsione
Ora che hai eseguito il deployment del modello in un endpoint, puoi inviare richieste di previsione. Invece di inviare una richiesta tramite l'API o gcloud, puoi testare il tuo modello su questa pagina.
Nella sezione Testa il tuo modello, vedrai una colonna Valore precompilata. Puoi utilizzare questi valori o inserirne di nuovi.
Nella parte inferiore della sezione, premi Previsione.
Per questo modello, il risultato della previsione
1rappresenta un risultato negativo: non viene effettuato un deposito in banca. Il risultato della previsione2rappresenta un risultato positivo: viene effettuato un bonifico in banca.Il modello restituirà un punteggio di confidenza, ovvero il livello di certezza del modello che l'etichetta selezionata sia corretta. Il valore predefinito probabilmente ha restituito un punteggio di confidenza elevato.
(Facoltativo) Prova a impostare un valore molto più alto per duration e premi di nuovo Prevedi.
Passaggi successivi
Per evitare addebiti imprevisti, segui le istruzioni in Eseguire la pulizia del progetto
Scopri di più sulla valutazione del modello.
Scopri di più sulle previsioni dei modelli.