歡迎使用表格型資料：部署模型並要求預測

AutoML 表格分類模型訓練完成後，請建立端點並將模型部署至端點。模型部署至這個新端點後，請要求預測來測試模型。

載入模型

模型訓練完成後，會列在「Models」分頁中。

1. 在 Google Cloud 控制台的 Vertex AI 專區中，前往「Models」頁面。

   前往「Models」(模型) 頁面

2. 在模型清單中，按一下您先前建立的訓練模型名稱

3. 模型會整理成多個不同版本，按一下第 1 版模型。

評估模型

「評估」面板可協助您瞭解模型對測試集的執行效能。完成後，請繼續進行教學課程的下一部分。

評估指標

(選用) 將游標懸停在 ? 圖示上，即可瞭解各項評估指標。

(選用) 移動可信度門檻滑桿，即可查看精確度、喚回率和 F1 分數的受影響程度。

混淆矩陣

混淆矩陣顯示預測與測試集 (真值) 的比較結果。

請回想一下，「1」標籤為負類 (即客戶並未申請定期存款)，「2」為正類。模型對負類的預測效果可能比正類的預測效果好，或許增加訓練時間、更多資料或其他特徵後，可以改善正類的預測效能。

特徵重要性

特徵重要性顯示各項特徵對模型訓練的影響：值越高，影響力就越大。

您的模型可能顯示持續時間 (銀行與客戶最近一次通訊的時間，以秒為單位) 對預測結果有高度貢獻。

將模型部署至端點

如要測試模型或進行線上預測，您必須先將模型部署至端點。

1. 開啟「Deploy & Test」面板。

2. 在「Deploy your model」(部署模型) 下方，按一下「Deploy to endpoint」(部署至端點)。

3. 輸入 Structured_AutoML_Tutorial 做為端點名稱。

4. 按一下「繼續」。

5. 將運算節點數量下限保持為 1，且不輸入上限。

6. 選取 n1-standard-2 機器類型。

7. 按一下「繼續」。

8. 為這個端點關閉模型監控功能。

9. 如要建立端點並將模型部署至端點，請按一下「部署」。

   模型部署作業大約需要 5 分鐘。當您的端點準備就緒後，請繼續進行教學課程的下一部分。

要求預測

現在，模型已部署至端點，接著可以傳送預測要求。您不必透過 API 或 gcloud 傳送要求，在這個頁面即可測試模型。

1. 在「Test your model」(測試模型) 區段中，您會看到預先填入的「Value」(值) 欄。您可以使用這些值，也可以輸入新的值。

2. 按下區段底部的「Predict」(預測)。

   在這個模型中，1 預測結果代表負面結果，意即存款並非透過銀行辦理。預測結果為 2 代表正面結果，意即存款是透過銀行辦理。

   您的模型會傳回可信度分數，也就是模型對所選標籤為正確標籤的確定性程度。預設值傳回的可信度分數可能較高。

3. (選用) 請嘗試將「duration」(持續時間) 改為更高的值，然後再次按下「Predict」(預測)。

後續步驟

• 為避免產生非預期的費用，請按照「清除專案」一節中的操作說明進行。

• 進一步瞭解模型評估。

• 進一步瞭解模型預測功能。