Os modelos de classificação binária preveem um resultado binário (uma de duas classes). Use esse tipo de modelo para perguntas sim ou não. Por exemplo, é possível criar um modelo de classificação binária para prever se um cliente faria uma assinatura. Geralmente, um problema de classificação binária requer menos dados do que outros tipos de modelo.
Os modelos de classificação multiclasse preveem uma classe entre três ou mais classes distintas. Use esse tipo de modelo para categorização. Por exemplo, como varejista, convém criar um modelo de classificação multiclasse para segmentar clientes em diferentes perfis.
Os modelos de regressão preveem um valor contínuo. Por exemplo, como varejista, talvez você queira criar um modelo de regressão para prever quanto um cliente vai gastar no próximo mês.
Fluxo de trabalho para criar um modelo de classificação ou regressão e fazer inferências
O processo para criar um modelo de classificação ou regressão na Vertex AI é o seguinte:
| Etapas | Descrição |
|---|---|
| 1. Preparar dados de treinamento | Prepare os dados de treinamento para treinar o modelo. |
| 2. crie um conjunto de dados | Crie um novo conjunto de dados e associe os dados de treinamento preparados a ele. |
| 3. Treinar um modelo | Treine um modelo de classificação ou regressão na Vertex AI usando seu conjunto de dados. |
| 4. avalie o modelo | Avalie a acurácia de inferência do modelo recém-treinado. |
| 5. Ver arquitetura do modelo | Veja os registros de hiperparâmetros dos testes de ajuste e os registros de hiperparâmetros do modelo final. |
| 6. Receber inferências do modelo | Se você quiser inferências em tempo real, implante o modelo e faça inferências on-line. Se você não precisa de inferências em tempo real, é possível fazer solicitações de inferências em lote diretamente para seu modelo. |