I modelli di classificazione binaria prevedono un risultato binario (una delle due classi). Utilizza questo tipo di modello per le domande con risposta sì o no. Ad esempio, potresti voler creare un modello di classificazione binaria per prevedere se un cliente acquisterà un abbonamento. In genere, un problema di classificazione binaria richiede meno dati rispetto ad altri tipi di modelli.
I modelli di classificazione multi-classe prevedono una classe tra tre o più classi discrete. Utilizza questo tipo di modello per la categorizzazione. Ad esempio, in qualità di rivenditore, potresti voler creare un modello di classificazione multi-classe per segmentare i clienti in diverse buyer persona.
I modelli di regressione prevedono un valore continuo. Ad esempio, in qualità di rivenditore, potresti voler creare un modello di regressione per prevedere quanto spenderà un cliente il mese prossimo.
Flusso di lavoro per la creazione di un modello di classificazione o regressione e per l'esecuzione di inferenze
La procedura per creare un modello di classificazione o regressione in Agent Platform è la seguente:
| Procedura | Descrizione |
|---|---|
| 1. Prepara i dati di addestramento | Prepara i dati di addestramento per l'addestramento del modello. |
| 2. Crea un set di dati | Crea un nuovo set di dati e associa i dati di addestramento preparati. |
| 3. Addestra un modello | Addestra un modello di classificazione o regressione in Gemini Enterprise Agent Platform utilizzando il set di dati. |
| 4. Valuta il modello | Valuta l'accuratezza delle inferenze del modello appena addestrato. |
| 5. Visualizza l'architettura del modello | Visualizza i log degli iperparametri delle prove di ottimizzazione e i log degli iperparametri del modello finale. |
| 6. Ottieni inferenze dal modello | Per ottenere inferenze in tempo reale, esegui il deployment del modello e ottieni inferenze online. Se non hai bisogno di inferenze in tempo reale, invia le richieste di inferenza batch direttamente al modello. |