本頁面將簡介如何使用 AutoML 處理表格資料。如要瞭解 AutoML 與自訂訓練之間的主要差異，請參閱「選擇訓練方法」。
表格資料應用實例
假設您在數位零售商的行銷部門工作。您與團隊正在依據顧客人物角色，建立個人化電子郵件方案。您已建立人物角色，行銷電子郵件也準備好寄送了。現在，您需要建立系統，依據零售偏好及消費行為將顧客放入各個人物角色，即使是新顧客也一樣。為了盡量提高顧客參與度，您也想預測顧客的消費習慣，以便在最佳時機傳送電子郵件。
由於您是數位零售商，因此可以取得客戶資料及其購物內容。但是新客戶怎麼辦？傳統方法可以針對長期購物的現有顧客計算這些值，但是不太能處理歷史資料很少的顧客。如果可以建立系統預測這些值，協助您加速向所有顧客傳送個人化行銷方案呢？
幸好，機器學習和 Vertex AI 非常適合用於解決這類問題。
本指南將逐步說明 Vertex AI 如何處理 AutoML 資料集和模型，並說明 Vertex AI 旨在解決的問題類型。
Vertex AI 的運作方式
Vertex AI 會套用監督式機器學習，
達成理想結果。
演算法及訓練方法的具體細節因資料類型和用途而異。機器學習有許多不同的子類別，
這些子類別解決的問題和運作限制各不相同。
您以範例資料訓練機器學習模型。Vertex AI 使用表格 (結構化) 資料訓練機器學習模型，以便對新資料進行推論。資料集中有一個名為「目標」的欄，您的模型將由此學習進行預測。有一些其他資料欄屬於輸入 (稱為特徵)，模型將藉此學習模式。您只要變更目標資料欄和訓練選項，就可使用相同的輸入特徵建構多種類型模型。就電子郵件行銷範例而言，這表示您可利用相同的輸入特徵建構模型，但目標推論不同。一個模型可用於預測顧客的人物角色 (類別目標)，另一個模型則可預測顧客的每月花費 (數值目標)，還有一個模型可用於預測未來三個月的產品每日需求 (數值目標序列)。
Vertex AI 工作流程
Vertex AI 採用標準機器學習工作流程：
- 收集資料：根據您想達成的成果，判斷訓練及測試模型時需要的資料。
- 準備資料：確保資料格式正確並已加上適當標籤。
- 訓練：設定參數並建構模型。
- 評估：查看模型指標。
- 部署及預測：將您的模型投入運用。
不過在開始收集資料之前，您應先思考要嘗試解決的問題。這項資訊將決定資料需求。
資料準備
評估用途
先從以下問題開始著手：您想要達到什麼成果？
目標欄的資料類型為何？您可以存取多少資料？ 視您的答案而定，Vertex AI 會建立必要模型來因應您的用途：
- 二元分類模型可預測二元結果 (兩個類別之一)。這個模型類型可用於是非題，舉例來說，您可能想建構二元分類模型，預測顧客是否會購買訂閱方案。一般來說，二元分類問題需要的資料量少於其他模型類型。
- 多元分類模型可從三個以上的分離類別預測一個類別。使用此模型類型進行分類。舉例來說，零售商可能想建構多元分類模型，將顧客區分為不同的人物角色。
- 「迴歸」模型可預測連續值。舉例來說，零售商可能會想建構迴歸模型，預測顧客下個月的消費金額。
- 預測模型可預測一系列值。舉例來說，零售商可能想預測未來 3 個月的每日產品需求，以便提前適當備貨。
表格資料的預測與分類和迴歸有兩項主要差異：
在分類和迴歸中，目標的預測值只取決於同一列中特徵資料欄的值。在預測中，預測值也取決於目標和特徵的背景資訊值。
在迴歸和分類問題中，輸出為一個值。在預測問題中，輸出內容是一連串的值。
收集資料
建立用途之後，您必須收集能讓您用來建立指定模型的資料。
建立用途後，您將需要收集資料以訓練模型。
資料來源及準備作業，是建構機器學習模型的關鍵步驟。您擁有的資料會決定可以解決的問題類型。您有多少可用資料？您的資料是否與您想回答的問題相關？收集資料時，請注意下列重要考量事項。
選取相關特徵
特徵是用於模型訓練的輸入屬性。特徵是指模型識別模式以進行推論的方法，因此必須跟您的問題有關。舉例來說，如要建構模型預測信用卡交易是否為詐欺，您需要建構含有交易詳細資料的資料集，例如買家、賣家、金額、日期與時間，以及購買的項目等等。其他實用特徵可能是買家及賣家的歷史資訊，以及購買項目牽涉詐欺的頻率。還有哪些其他特徵可能有關？
以簡介中提過的零售電子郵件行銷用途為例，以下是您可能需要的部分特徵欄：
- 購買項目清單 (包括品牌、類別、價格、折扣)
- 購買項目數量 (過去一天、一週、一個月、一年)
- 消費總金額 (過去一天、一週、一個月、一年)
- 每天售出的各項商品總數
- 每天的總庫存量
- 是否在特定日期推出促銷活動
- 已知的購物者客層資料
納入足夠資料
一般來說，擁有的訓練樣本越多，成果會越理想。所需的樣本資料量，也會隨著您要嘗試解決問題的複雜度而增加。相較於多元分類模型，二元分類模型只需要較少的資料量，就能獲得準確的結果，因為從兩個類別預測一個類別，比從多個類別預測一個類別簡單。
沒有完美的公式，但建議的範例資料量下限如下：
- 「分類」問題：50 列 x 特徵數量
- 預測問題：
- 5000 列 x 特徵數量
- 時間序列 ID 欄中 10 個不重複的值 x 特徵數量
- 「迴歸」問題：200 x 特徵數量
擷取各種變化版本
您的資料集應該要廣納問題空間的各種變化版本。模型在訓練期間看到的樣本越多樣，越能夠將經驗運用到實際遇到的新樣本或較罕見的樣本。假設您的零售模型僅使用冬季購物資料進行訓練，這樣模型是否能夠成功預測夏季服飾偏好或購物行為呢？
準備資料
您識別自己的可用資料後，就需要確保這些資料已經就緒進行訓練。
如果資料存有偏見，或含有遺漏或錯誤值，就會影響模型品質。開始訓練模型之前，請考量下列事項。
瞭解詳情。
預防資料外洩及訓練服務偏移
資料外洩是指您在訓練期間使用的輸入特徵「洩漏」您嘗試預測目標的相關資訊，而這些資訊在模型實際服務時是無法取得的。若其中一項輸入特徵與目標欄具有高度關聯性，就可以偵測到此項問題。例如，如果您正建構模型，預測客戶下個月是否會註冊訂閱，而其中一項輸入特徵是該客戶的未來訂閱付款資訊。這在測試時可能會產生出色的模型效能，但是在實際工作環境部署時則並非如此，因為服務時並無法取得未來訂閱付款資訊。
訓練服務偏移是指訓練期間使用的輸入特徵，與提供給模型服務時使用的輸入特徵不同，造成在實際工作環境的模型品質不佳。例如建構模型預測每小時溫度，但訓練時使用的資料僅含每週溫度。另一項範例：在預測學生退學率時總是在訓練資料提供學生成績，但是服務時卻未提供此項資訊。
瞭解訓練資料是預防資料外洩及訓練服務偏移的重要關鍵：
- 使用任何資料前，請確保自己瞭解資料意義，以及是否應使用資料做為特徵
- 在「訓練」分頁標籤檢查關聯性。高關聯性應加以標記進行審查。
- 訓練服務偏移：確保您向模型提供的輸入特徵，也能在服務時以完全相同的形式取得使用。
清除遺漏、不完整及不一致的資料
樣本資料出現遺漏或不正確的值是常見的，因此，請花時間檢閱其中內容，可能的話，請在用於訓練之前提升資料品質。遺漏值越多，資料對機器學習模型訓練的實用性就越低。
- 檢查資料是否有遺漏值，並盡可能修正，或將值留空 (如果資料欄設為可為空值)。Vertex AI 可以處理遺漏值，但如果所有值都可用，您更有可能獲得最佳結果。
- 如要進行預測，請確認訓練資料列之間的時間間隔一致。Vertex AI 可以填補遺漏值，但如果所有資料列都可用，您更有可能獲得最佳結果。
- 請修正或刪除資料錯誤或雜訊以清除資料。請讓資料具有一致性： 檢閱拼字、縮寫及格式。
匯入後分析資料
Vertex AI 會在資料集匯入後提供資料集總覽。請檢查匯入的資料集，確保每個欄都有正確的變數類型。Vertex AI 會根據資料欄值自動偵測變數類型，但最好還是檢查每個資料欄。您也應該檢閱每個欄的「是否可以為空值」；此條件可判定欄是否可擁有遺漏或 NULL 值。
訓練模型
資料集匯入後，下一步就是訓練模型。Vertex AI 會以訓練預設值產生可靠的機器學習模型，但您可能希望依據用途調整部分參數。
選擇用於訓練的特徵欄數量越多越好，但請檢閱每個欄以確保適合訓練使用。選擇特徵時請記住下列要點：
- 請勿選擇會產生雜訊的特徵欄，例如隨機指派的 ID 欄，每個列都有不重複的值。
- 請確保自己瞭解每個特徵欄及其值。
- 如果您由單一資料集建立多個模型，請移除不屬於目前推論問題的目標欄。
- 請回想公平性原則：您訓練模型時使用的特徵，是否可能為邊緣化群組造成偏差或不公平的決策？
Vertex AI 如何使用資料集
您的資料集會分為訓練、驗證及測試集。Vertex AI 預設套用的分割方式取決於您訓練的模型類型。如有需要，你也可以指定分割點 (手動分割)。詳情請參閱「AutoML 模型資料分割作業簡介」。
訓練集
絕大多數的資料都應該在訓練集中。這是模型在訓練期間會「看到」的資料：訓練集是用於學習模型的參數，也就是類神經網路的各個節點之間的連結權重。
驗證集
驗證集 (有時也稱為「開發」集) 也會在訓練過程中派上用場。
模型學習架構在訓練過程的每次疊代中納入訓練資料後，會使用模型在驗證集上的效能，調整模型的超參數 (指定模型結構的變數)。如果您嘗試使用訓練集調整超參數，模型很可能最終會過度專注於訓練資料，難以泛化至與訓練資料不完全相符的範例。使用新穎的資料集微調模型結構，代表模型能更妥善地泛化。
測試集
測試集完全不會參與訓練程序。模型完全訓練完畢後，Vertex AI 會使用測試集，為模型提供全新的挑戰。模型在測試集上的成效，可讓您大致瞭解模型在實際資料上的成效。
評估、測試及部署模型
評估模型
模型訓練完成後，您會收到一份成效摘要。模型評估指標是依據模型對部分資料集 (測試資料集) 執行的成效。判斷模型是否已準備好使用實際資料時，有幾個重要的指標和概念需要考量。
分類指標
分數門檻
假設有一個機器學習模型，要預測客戶明年是否會購買夾克。模型在預測特定顧客是否購買夾克前，需要具備多高的信心？在分類模型中，每項推論都會獲得「信心分數」– 這是對模型確信其預測類別正確無誤的數值評估。「分數門檻」是指判定特定分數轉換為是或否決策的數值，也就是指達到這樣的值時，模型會表示「是，此項信心分數夠高，認為此顧客明年將會購買外套」。
如果分數門檻偏低，模型就有分類錯誤的風險，因此指定分數門檻時應以實際用途為依據。
推論結果
套用分數門檻後，模型所做的推論分為以下四種類別的其中一種。為了瞭解這些類別，請再次假設夾克二元分類模型。在本例中，正類 (模型嘗試預測的類別) 為客戶將在明年購買夾克。
- 真陽性：模型正確預測正類。模型正確預測客戶購買夾克。
- 偽陽性：模型未正確預測正類。模型預測顧客會購買夾克，但顧客並未購買。
- 真陰性：模型正確預測負類。模型正確預測客戶不會購買夾克。
- 偽陰性：模型未正確預測負類。模型預測顧客不會購買夾克，但顧客購買了。
精確度和喚回度
精確度和喚回度能協助您瞭解模型擷取資訊的效能，以及模型漏掉的資訊量。進一步瞭解查準率和查全率。
- 精確度是指正確正向推論的比例。在所有客戶購物推論中，有多少比例是實際購物？
- 喚回度：模型正確預測出含有此標籤的列的比例。在所有可識別的顧客購物中，比例是多少？
我們建議您按照實際用途決定最佳化精確度或喚回度。
其他分類指標
- AUC PR：精確度和喚回度 (PR) 曲線下的面積。這個值的範圍從零到一，值越大代表模型品質越高。
- AUC ROC：接收者操作特徵 (ROC) 曲線下的面積。範圍從零到一，值越大代表模型品質越高。
- 準確率：模型產生的正確分類推論比例。
- 對數損失：模型推論與目標值之間的交叉熵。範圍從零到無限大，值越低代表模型品質越高。
- F1 分數：精確度與喚回度的調和平均數。如要在類別分布不均的情況下，在精確度與喚回度之間取得平衡，F1 會是相當實用的指標。
預測和迴歸指標
模型建構完成後，Vertex AI 會提供各種標準指標供您檢閱。評估模型沒有所謂的完美解答；選擇評估指標時，應考量您的問題類型，以及您希望模型達成的成果。以下列出 Vertex AI 可提供的一些指標。
平均絕對誤差 (MAE)
MAE 是目標與預測值之間的平均絕對差異。此項指標可在一組推論中衡量誤差的平均幅度，也就是目標與預測值之間的差異。由於 MAE 使用絕對值，因此不會考量關係方向，也不會顯示效能不彰或效能優異。評估 MAE 時，值越小代表模型品質越高 (0 代表完美預測因子)。
均方根誤差 (RMSE)
RMSE 是指目標與預測值之間均方差的平方根。RMSE 對離群值的敏感度高於 MAE，因此如果您擔心大型誤差，RMSE 可作為更實用的評估指標。RMSE 和 MAE 一樣，值越小代表模型品質越高 (0 代表完美預測因子)。
均方根對數誤差 (RMSLE)
RMSLE 是對數尺度的 RMSE。RMSLE 對相對誤差的敏感度高於絕對誤差，對效能不彰的關注程度則高於效能優異。
觀察到的分位數 (僅限預測)
針對指定的目標分位數，觀察到的分位數會顯示實際比例，即觀察到的值低於指定分位數推論值。觀察到的分位數會顯示模型與目標分位數的差距。兩個值之間的差異越小，代表模型品質越高。
縮放的彈珠損失 (僅限預測)
衡量模型在指定目標分位數的品質。數字越小代表模型品質越高。您可以比較不同分位數的縮放彈珠損失指標，判斷模型在這些分位數之間的相對準確度。
測試模型
評估模型指標主要是瞭解如何判定模型已經就緒部署，不過，您也可以使用新資料進行測試。上傳新資料，瞭解模型的推論是否符合您的預期。若您要依據評估指標或以新資料進行測試，就可能需要繼續改善模型效能。
部署模型
等您滿意模型的效能，就可以實際使用了。這可能是在實際工作環境使用，或是單次的推論要求。視用途而定，您可以透過不同方式使用模型。
批次推論
批次推論功能可一次提出多個推論要求，批次推論是非同步作業，也就是說，模型會等到處理完所有推論要求，才會傳回含有推論值的 CSV 檔案或 BigQuery 資料表。
線上推論
部署模型，以便透過 REST API 提出推論要求。線上推論是同步 (即時) 作業，也就是說，系統會快速傳回推論結果，但每次 API 呼叫只接受一項推論要求。如果模型是應用程式的一部分，且系統部分元件需要快速完成推論，線上推論就非常實用。
清除所用資源
如要避免產生不必要的費用，請在模型閒置時取消部署。
使用完模型後，請刪除您建立的資源，以免系統向您的帳戶收取不必要的費用。