df_for_prediction 中使用測試資料，提出推論要求。推論要求會叫用模型，根據 df_for_prediction 中每列的企鵝特徵，預測代表的企鵝物種。
準備推論測試資料
使用測試資料建立推論前，請先移除 species 欄。由於您要預測企鵝的品種，因此用於建立推論的測試資料中不能包含品種。移除 species 資料欄後，請將資料轉換為 Python 清單，因為 predict 方法會將該清單做為輸入內容。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，可以執行下列程式碼行來查看：
test_data_list
每一列中，六個資料欄的相應值分別代表一隻企鵝的以下特徵：
| 欄 | 企鵝特徵 |
|---|---|
| 0 | island - 發現某種企鵝的島嶼。島嶼值對應為 0 對應 Dream、1 對應 Biscoe，以及 2 對應 Torgersen。 |
| 1 | culmen_length_mm：企鵝喙頂的脊線長度。 |
| 2 | culmen_depth_mm - 企鵝喙的高度。 |
| 3 | flipper_length_mm - 企鵝鰭狀翅膀的長度。 |
| 4 | body_mass_g - 筆身的質量。 |
| 5 | sex - 企鵝的性別。0 為 FEMALE，1 為 MALE。 |
傳送推論要求
如要建立推論要求，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徵，並根據這些特徵預測代表的企鵝種類。執行下列程式碼來建立推論。傳回的推論結果包含資料列清單，每個資料列有三欄 (阿德利企鵝 (Pygoscelis adeliae) (第 1 欄)、帽帶企鵝 (Pygoscelis antarctica) (第 2 欄) 或巴布亞企鵝 (Pygoscelis papua) (第 3 欄))。
# Get your inferences.
predictions = endpoint.predict(instances=test_data_list)
# View the inferences
predictions.predictions
資料列中的每個資料欄都包含一個值，值越高，代表該資料欄所代表的企鵝物種是正確推論的信心越高。舉例來說，在下列範例推論輸出資料列中，模型會使用範例企鵝資料列的特徵，預測企鵝最有可能屬於阿德利企鵝 (Pygoscelis adeliae) 品種。這是因為最高值 0.732703805 位於第一欄。
[0.732703805, 0.233752429, 0.0335437432]
在下列程式碼中，NumPy argmax 方法會傳回每個資料列中最高值的資料欄。最高值對應於最有可能正確的推論。第二行會顯示推論陣列。
# Get the inference for each set of input data.
species_predictions = np.argmax(predictions.predictions, axis=1)
# View the best inference for the penguin characteristics in each row.
species_predictions
species_predictions 陣列中的每個結果都會預測對應測試資料列中的值所屬的企鵝物種。舉例來說，第一個值是 0，對應到阿德利企鵝 (Pygoscelis adeliae) 物種。這表示模型預測測試資料第一列的企鵝特徵為阿德利企鵝 (Pygoscelis adeliae)。
清除所用資源
完成後，您可以繼續使用筆記本，進一步探索及瞭解您建立的資源及其運作方式。
刪除資源
完成後，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，這也會一併刪除與專案相關聯的所有資源。詳情請參閱「關閉 (刪除) 專案」。
執行程式碼，刪除訓練工作 (
CustomTrainingJob物件)、模型 (Model物件)、端點 (Endpoint物件) 和 Cloud Storage 值區。這個選項會保留專案和您建立的任何其他資源，但不會保留您透過程式碼明確刪除的資源。您必須先取消部署模型，才能透過將
force=True傳遞至endpoint.delete方法來刪除模型。如要保留專案，但只刪除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，以供日後使用。如果保留，請務必瞭解費用。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：
前往 Google Cloud 控制台的 Vertex AI Workbench「執行個體」頁面。
選取 Vertex AI Workbench 執行個體。
按一下上方選單中的「刪除」。
在「刪除執行個體」確認對話方塊中，按一下「確認」。刪除作業需要幾分鐘才能完成。