Diese Legacy-Version von AI Platform Prediction wurde verworfen und ist nach dem 31. Januar 2025 nicht mehr in Google Cloud verfügbar. Alle Modelle, zugehörigen Metadaten und Bereitstellungen werden nach dem 31. Januar 2025 gelöscht. Migrieren Sie Ihre Ressourcen zu Vertex AI, um neue Funktionen für maschinelles Lernen zu erhalten, die in der AI Platform nicht verfügbar sind.
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Sie können in AI Platform scikit-learn-Modelle bereitstellen, die in Kaggle trainiert wurden, um Vorhersagen in großem Maßstab zu liefern.
In dieser Folge von AI Adventures wird der grundlegende Workflow dafür erläutert, wie Modelle, die z. B. in Kaggle extern trainiert wurden, bereitgestellt werden und Onlinevorhersagen aus AI Platform Prediction liefern können.
Speichern Sie Ihr Modell mithilfe der Bibliothek sklearn.externals.joblib und nennen Sie die Datei model.joblib. Klicken Sie auf die Schaltfläche Commit & Run (Commit durchführen & ausführen), um alle Kernel-Codezellen der Reihe nach auszuführen. Dadurch wird der Trainingscode für Ihr Modell gespeichert und ausgeführt.
Sie können Ihre Modelldateien über den Tab Output (Ausgabe) in Ihrem Kernel herunterladen.
Rufen Sie den Hauptlink zu Ihrem Kernel (https://www.kaggle.com/[IHR-BENUTZERNAME]/[IHR-KERNEL-NAME]/) auf und gehen Sie so vor:
Klicken Sie auf den Tab Output (Ausgabe) oben auf der Seite.
Die Datei model.joblib wird in einer Liste von Datenquellen angezeigt. Klicken Sie zum Herunterladen der Datei auf die Schaltfläche Download All (Alle herunterladen). Alternativ können Sie den Mauszeiger über den Namen des Modells bewegen und dann das eingeblendete Download-Symbol anklicken.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-04-02 (UTC)."],[[["Scikit-learn models trained on Kaggle can be deployed to AI Platform Prediction to serve predictions at scale."],["The process involves training a scikit-learn model on Kaggle, saving it as `model.joblib` using the `sklearn.externals.joblib` library, and downloading it."],["After downloading, upload the `model.joblib` file to Cloud Storage."],["Create model and version resources on AI Platform Prediction, providing details about the model and its location in Cloud Storage."],["The model can then be used for online predictions by sending a prediction request to AI Platform Prediction."]]],[]]
