進行預測

您現在可以使用 df_for_prediction 中的測試資料提出預測要求。預測要求會叫用模型，以預測 df_for_prediction 中每個資料列的企鵝特徵代表哪種企鵝。

準備預測測試資料

您必須先移除 species 欄，才能使用測試資料建立預測結果。由於企鵝的種類是您要預測的項目，因此無法納入用於建立預測結果的測試資料。移除 species 資料欄後，您需要將資料轉換為 Python 清單，因為 predict 方法會將其做為輸入內容。執行下列程式碼，將資料轉換為 Python 清單：

# Remove the species column
df_for_prediction.pop(LABEL_COLUMN)

# Convert data to a Python list
test_data_list = df_for_prediction.values.tolist()

(選用) 查看測試資料

如要瞭解測試資料，您可以執行下列程式碼行來查看資料：

test_data_list

在每個資料列中，六個欄的各個值都代表一隻企鵝的下列特徵：

欄	企鵝特徵
0	island - 企鵝的所在島嶼。島嶼值對應為 Dream 的 0、Biscoe 的 1 和 Torgersen 的 2。
1	culmen_length_mm：沿著企鵝嘴巴頂端的脊線長度。
2	culmen_depth_mm：企鵝嘴的高度。
3	flipper_length_mm - 企鵝鰭狀翅膀的長度。
4	body_mass_g：筆身質量。
5	sex - 企鵝的性別。0 是 FEMALE，1 是 MALE。

傳送預測要求

如要建立預測要求，請將您建立的測試資料 Python 清單傳遞至 endpoint 的 predict 方法。

predict 方法會評估每個資料列的特性，並利用這些特性預測代表哪種企鵝。請執行下列程式碼，建立預測結果。傳回的預測結果包含一組資料列，每個資料列都有三個資料欄 (阿德利企鵝 (Pygoscelis adeliae) (第 1 欄)、冠企鵝 (Pygoscelis antarctica) (第 2 欄) 或巴布亞企鵝 (Pygoscelis papua) (第 3 欄))。

# Get your predictions.
predictions = endpoint.predict(instances=test_data_list)

# View the predictions
predictions.predictions

資料列中的每個欄都包含一個值，值越高，代表該欄所代表的企鵝物種越有可能是正確的預測結果。舉例來說，在以下預測輸出資料列的範例中，模型會使用企鵝資料列範例的特性，預測企鵝最有可能屬於 Adelie Penguin (Pygoscelis adeliae) 物種。這是因為最高值 0.732703805 位於第一欄。

[0.732703805, 0.233752429, 0.0335437432]

在以下程式碼中，NumPy argmax 方法會針對每個包含最高值的資料列傳回資料欄。最高值對應於最有可能正確的預測結果。第二行則會顯示預測結果陣列。

# Get the prediction for each set of input data.
species_predictions = np.argmax(predictions.predictions, axis=1)

# View the best prediction for the penguin characteristics in each row.
species_predictions

species_predictions 陣列中的每個結果都會預測測試資料對應列的值對應至哪種企鵝。舉例來說，第一個值是 0，對應至 阿德利企鵝 (Pygoscelis adeliae) 物種。這表示模型預測出，在測試資料第一列中，具有這些特徵的企鵝種類為 阿德利企鵝 (Pygoscelis adeliae)。

清除所用資源

完成後，您可以繼續使用筆記本，進一步瞭解所建立的資源及其運作方式。

刪除資源

準備就緒後，建議您刪除在本教學課程中建立的 Google Cloud 資源，以免產生不必要的費用。刪除資源的方法有兩種：

• 刪除專案，這麼做也會刪除與專案相關聯的所有資源。詳情請參閱「關閉 (刪除) 專案」。

• 執行刪除訓練工作 (CustomTrainingJob 物件)、模型 (Model 物件)、端點 (Endpoint 物件) 和 Cloud Storage 值區的程式碼。這個選項會保留您的專案，以及您可能已建立但未透過程式碼明確刪除的任何其他資源。

  您必須先取消部署模型，才能將 force=True 傳遞至 endpoint.delete 方法，然後再刪除模型。

  如要保留專案，並只刪除您在本教學課程中建立的資源，請在筆記本中執行下列程式碼：

import os

# Delete the training job
job.delete()

# Delete the endpoint and undeploy the model from it
endpoint.delete(force=True)

# Delete the model
model.delete()

# Delete the storage bucket and its contents
bucket.delete(force=True)

刪除 Vertex AI Workbench 執行個體

您可以保留 Vertex AI Workbench 執行個體，以便日後使用。如果您保留這項服務，請務必瞭解相關費用。詳情請參閱 Vertex AI Workbench 價格。

如要刪除 Vertex AI Workbench 執行個體，請按照下列步驟操作：

1. 前往 Google Cloud 控制台的 Vertex AI Workbench「Instances」頁面。

   前往「Instances」(執行個體)

2. 選取 Vertex AI Workbench 執行個體。

3. 按一下頂端選單中的「 刪除」。

4. 在「Delete instance」確認對話方塊中，按一下「Confirm」。刪除作業需要幾分鐘才能完成。