Tabellarische Hello-Daten: Modell bereitstellen und Vorhersage anfordern

Nachdem das tabellarische AutoML-Klassifizierungsmodell abgeschlossen wurde, erstellen Sie einen Endpunkt und stellen Sie Ihr Modell für den Endpunkt bereit. Nachdem Ihr Modell auf diesem neuen Endpunkt bereitgestellt wurde, testen Sie Ihr Modell, indem Sie eine Vorhersage anfordern.

Modell laden

Wenn Ihr Modell das Training abgeschlossen hat, wird es auf dem Tab Modelle aufgeführt.

  1. Rufen Sie in der Google Cloud Console im Abschnitt "Vertex AI" die Seite Modelle auf.

    Zur Seite "Modelle"

  2. Klicken Sie in der Modellliste auf den Namen des trainierten Modells, das Sie zuvor erstellt haben.

  3. Modelle sind in Versionen organisiert. Klicken Sie auf Modellversion 1.

Modell auswerten

Im Bereich Bewerten können Sie sehen, wie das Modell mit dem Test-Dataset abgeschnitten hat. Fahren Sie mit dem nächsten Teil der Anleitung fort, wenn Sie fertig sind.

Bewertungsmesswerte

Optional: Bewegen Sie den Mauszeiger auf die Symbole ?, um mehr über die einzelnen Bewertungsmesswerte zu erfahren.

Optional: Bewegen Sie den Schieberegler für den Konfidenzwert, um zu sehen, wie sich die Genauigkeit, die Trefferquote und die F1-Werte auswirken.

Wahrheitsmatrix

Die Wahrheitsmatrix zeigt, wie eine Vorhersage mit dem Test-Dataset verglichen wird (Ground Truth).

Denken Sie daran, dass das Label "1" die negative Klasse ist (der Kunde hat sich nicht für eine langfristige Zahlung angemeldet) und "2" die positive Klasse ist. Ihr Modell hat wahrscheinlich eine bessere Jobvorhersage für die negative Klasse erstellt als die positive Klasse. Durch zusätzliche Trainingszeit, mehr Daten oder zusätzliche Funktionen können Sie die Vorhersageleistung für die positive Klasse verbessern.

Merkmalwichtigkeit

Merkmalwichtigkeit zeigt, wie sich die einzelnen Funktionen auf das Modelltraining ausgewirkt haben: Je höher der Wert, desto effektiver.

Ihr Modell zeigt wahrscheinlich, dass die Dauer (wie lange die letzte Kommunikation zwischen der Bank und dem Kunden in Sekunden gedauert hat) stark zum Vorhersageergebnis beigetragen hat.

Modell auf einem Endpunkt bereitstellen

Zum Testen eines Modells oder für Onlinevorhersagen müssen Sie es auf einem Endpunkt bereitstellen.

  1. Öffnen Sie das Steuerfeld Bereitstellen und testen.

  2. Klicken Sie unter Modell bereitstellen auf Für Endpunkt bereitstellen.

  3. Geben Sie als Endpunktnamen Structured_AutoML_Tutorial ein.

  4. Klicken Sie auf Weiter.

  5. Halten Sie den minimalen Compute-Knoten auf 1 und geben Sie keinen Höchstwert ein.

  6. Wählen Sie den Maschinentyp n1-standard-2 aus.

  7. Klicken Sie auf Weiter.

  8. Deaktivieren Sie das Modell-Monitoring für diesen Endpunkt.

  9. Klicken Sie auf Bereitstellen, um den Endpunkt zu erstellen und Ihr Modell darauf bereitzustellen.

    Die Modellbereitstellung dauert etwa 5 Minuten. Fahren Sie mit dem nächsten Teil der Anleitung fort, wenn der Endpunkt bereit ist.

Vorhersage anfordern

Nachdem das Modell für einen Endpunkt bereitgestellt wurde, können Sie Vorhersageanfragen senden. Anstatt eine Anfrage über die API oder gcloud zu senden, können Sie Ihr Modell auf dieser Seite testen.

  1. Im Abschnitt Modell testen wird die Spalte Wert angezeigt, die bereits ausgefüllt ist. Sie können diese Werte verwenden oder neue eingeben.

  2. Drücken Sie unten im Abschnitt Predict (Vorhersage).

    Bei diesem Modell stellt ein Vorhersageergebnis von 1 ein negatives Ergebnis dar – es erfolgt keine Einzahlung bei der Bank. Ein Vorhersageergebnis von 2 stellt ein positives Ergebnis dar – es erfolgt eine Einzahlung bei der Bank.

    Das Modell gibt einen Konfidenzwert zurück. Dieser gibt an, wie sicher das ausgewählte Label ist. Der Standardwert hat wahrscheinlich einen hohen Konfidenzwert zurückgegeben.

  3. Optional: Versuchen Sie, den Dauer in einen viel höheren Wert zu ändern, und drücken Sie die Vorhersage noch einmal.

Nächste Schritte

Zurück
Dataset erstellen und AutoML-Klassifizierungsmodell trainieren
Weiter
Projekt bereinigen