Pengantar data tabulasi: Men-deploy model dan meminta prediksi

Setelah model klasifikasi tabulasi AutoML menyelesaikan pelatihan, buat endpoint dan deploy model Anda ke endpoint. Setelah model di-deploy ke endpoint baru ini, uji model Anda dengan meminta prediksi.

Memuat model Anda

Setelah selesai dilatih, model akan tercantum di tab Model.

1. Di Konsol Google Cloud, di bagian Vertex AI, buka halaman Model.

   Buka halaman Model

2. Dari daftar model, klik nama model terlatih yang Anda buat sebelumnya

3. Model diatur ke dalam beberapa versi. Klik nomor versi model 1.

Mengevaluasi model Anda

Panel Evaluate membantu Anda memahami performa model terhadap set pengujian. Setelah selesai, lanjutkan ke bagian tutorial berikutnya.

Metrik evaluasi

Opsional. Tahan kursor ke ikon ? untuk mempelajari setiap metrik evaluasi.

Opsional. Gerakkan penggeser nilai minimum keyakinan untuk melihat pengaruh skor presisi, perolehan, dan F1.

Matriks konfusi

Matriks konfusi menunjukkan perbandingan prediksi dengan set pengujian (kebenaran dasar).

Ingat bahwa label "1" adalah kelas negatif (pelanggan tidak mendaftar untuk deposit jangka waktu) dan "2" adalah kelas positif. Model Anda sepertinya bekerja lebih baik memprediksi kelas negatif daripada kelas positif. Mungkin dengan waktu pelatihan tambahan, lebih banyak data, atau fitur tambahan, Anda dapat meningkatkan performa prediktif untuk kelas yang positif.

Nilai penting fitur

Nilai penting fitur menunjukkan pengaruh setiap fitur terhadap pelatihan model: Makin tinggi nilainya, makin besar pula pengaruhnya.

Model Anda mungkin menunjukkan bahwa durasi (durasi komunikasi terbaru antara bank dan nasabah, dalam detik) berkontribusi besar terhadap hasil prediksi.

Men-deploy model ke endpoint

Untuk menguji model atau membuat prediksi online, Anda perlu men-deploy-nya ke endpoint.

1. Buka panel Deploy & Test.

2. Pada bagian Deploy model Anda, klik Deploy ke endpoint.

3. Masukkan Structured_AutoML_Tutorial untuk nama endpoint.

4. Klik Lanjutkan.

5. Pertahankan node komputasi minimum pada 1 dan jangan masukkan node maksimum.

6. Pilih jenis mesin n1-standard-2.

7. Klik Lanjutkan.

8. Nonaktifkan pemantauan model untuk endpoint ini.

9. Untuk membuat endpoint dan men-deploy model ke endpoint, klik Deploy.

   Deployment model memerlukan waktu sekitar 5 menit. Jika endpoint Anda sudah siap, lanjutkan ke bagian tutorial berikutnya.

   Catatan: Pastikan untuk membatalkan deployment model pada lain waktu, sehingga Anda tidak dikenai biaya untuk resource komputasi tambahan. Kami akan menunjukkan cara melakukannya di akhir tutorial ini.

Meminta prediksi

Setelah model di-deploy ke endpoint, Anda dapat mengirim permintaan prediksi. Daripada mengirim permintaan melalui API atau gcloud, Anda dapat menguji model di halaman ini.

1. Di bagian Uji model, Anda akan melihat kolom Nilai yang sudah diisi sebelumnya. Anda dapat menggunakan nilai tersebut atau memasukkan nilai baru.

2. Di bagian bawah bagian tersebut, tekan Prediksi.

   Untuk model ini, hasil prediksi 1 merepresentasikan hasil negatif—setoran tidak dilakukan di bank. Hasil prediksi 2 menunjukkan hasil positif—setoran dilakukan di bank.

   Model Anda akan menampilkan skor keyakinan, yang merupakan tingkat keyakinan model bahwa label yang dipilih adalah nilai yang benar. Nilai default-nya mungkin menampilkan skor keyakinan yang tinggi.

3. Opsional. Coba ubah durasi ke nilai yang jauh lebih tinggi, lalu tekan Prediksi lagi.

Langkah selanjutnya

• Agar tidak dikenai biaya yang tidak terduga, ikuti petunjuk di bagian Membersihkan project

• Pelajari lebih lanjut tentang evaluasi model.

• Pelajari lebih lanjut tentang prediksi model.