使用批次預測在Vertex AI中進行預測

目錄

1. 介紹
2. 預測模型的兩種選項
   • 2.1 批次預測
   • 2.2 在線預測
3. 批次預測的數據集
   • 3.1 數據集簡介
   • 3.2 預測前的數據處理
4. 數據轉換為表格形式
   • 4.1 轉換過程簡介
   • 4.2 使用Python進行轉換
5. 批次預測任務的結果
   • 5.1 查看預測結果
   • 5.2 結果表格介紹
6. 總結
7. 優點
8. 缺點
9. 常見問題與解答
10. 參考資源

介紹

在本教程中，我們將使用Vertex AI模型進行預測。有兩種預測模型的選項可供使用：批次預測和在線預測。本教程將重點介紹批次預測的步驟和數據轉換的過程。我們將使用Python在Jupyter Notebook中進行數據處理和轉換。

2. 預測模型的兩種選項

2.1 批次預測

批次預測適用於處理累積數據，並且不需要立即得到結果的情況。批次預測的過程相對較慢，但可用於處理大量數據。

2.2 在線預測

在線預測適用於根據應用程序的輸入進行即時推斷的情況，或其他需要立即結果的場景。

3. 批次預測的數據集

3.1 數據集簡介

我們的數據集包含了訓練模型所使用的數據，我們將根據這些數據進行預測。數據集中的一列被用來作為預測目標，其他列則被用來作為預測的輸入。

3.2 預測前的數據處理

在進行預測前，我們需要對數據進行預處理。這包括移除預測目標列，以及保留後續教程中需要使用的其他列。

4. 數據轉換為表格形式

4.1 轉換過程簡介

我們希望將原始批次預測結果轉換為表格形式，方便進行後續分析。表格中將包含每個人的ID和模型的得分。

4.2 使用Python進行轉換

在Jupyter Notebook中，我們將使用Python進行數據轉換的自動化處理。通過提取所需的列並使用偏移方法，我們可以輕鬆地將數據轉換成所需的表格格式。

5. 批次預測任務的結果

5.1 查看預測結果

我們可以在BigQuery中查看批次預測任務的結果。結果以表格的形式呈現。

5.2 結果表格介紹

在查看預測結果時，我們將注意到結果表格中的預測結果以及每個類別的得分。

6. 總結

在本教程中，我們學習了如何使用Vertex AI進行批次預測和數據轉換。我們通過使用Python和Jupyter Notebook，使整個過程更加自動化和方便。

7. 優點

• 使用Vertex AI進行預測和數據轉換可以大幅提高效率。
• 批次預測和在線預測的選擇更具彈性，可以根據需求進行調整。
• 數據轉換過程可以輕鬆自動化，提高工作效率。

8. 缺點

• 批次預測可能需要較長的處理時間，不適合需要即時結果的情況。
• 數據轉換過程可能需要具備一定的編程知識和技巧。

9. 常見問題與解答

問：批次預測和在線預測有什麼區別？ 答：批次預測適用於處理累積數據並且不需要立即結果的情況，而在線預測則用於需要及時推斷的場景。

問：是否可以使用其他數據源進行預測和轉換？ 答：是的，Vertex AI支持多種數據源，你可以根據自己的需求選擇最適合的數據源。

問：在轉換過程中是否需要具備編程知識？ 答：是的，轉換過程需要使用Python進行編程處理，因此需要一定的編程知識和技巧。

10. 參考資源

• Vertex AI官方文檔：https://cloud.google.com/vertex-ai/docs
• Jupyter Notebook官方文檔：https://jupyter-notebook.readthedocs.io