解释 Google AutoML 在线预测结果
Interpret Google AutoML Online Prediction Results
我们将 Google AutoML 与使用 CSV 文件输入的表格一起使用。我们导入了数据，将所有模式与可为空的列和训练模型相关联，然后部署并使用在线预测来预测一列的值。
我们定位的列具有最小值-最大值 (44 - 263)。
当我们部署并 运行 在线预测它时 return 值像这样
预测结果
0.49457597732543945
95% 预测区间
[-8.209495544433594, 0.9892584085464478]
大部分结果集采用上述格式。我们如何将它转换为 运行ge of (44-263) 中的值。没有在网上找到太多相同的文档。
寻找文档参考和解释以及 95% 预测的解释。
实际上是为了澄清（我是 AutoML Tables 的 PM）--
AutoML Tables 不会 对标签数据的预测值进行任何归一化，因此如果您希望标签数据的分布为 min/max 44- 263，那么输出预测也应该在那个范围内。两种可能性会使它显着不同：
1) 您选择了错误的标签列
2) 此预测的输入特征与所使用的训练数据中看到的特征大不相同。
如果您希望我们进一步帮助调试，请随时联系 cloud-automl-tables-discuss@googlegroups.com
我们将 Google AutoML 与使用 CSV 文件输入的表格一起使用。我们导入了数据，将所有模式与可为空的列和训练模型相关联，然后部署并使用在线预测来预测一列的值。
我们定位的列具有最小值-最大值 (44 - 263)。
当我们部署并 运行 在线预测它时 return 值像这样
预测结果
0.49457597732543945
95% 预测区间
[-8.209495544433594, 0.9892584085464478]
大部分结果集采用上述格式。我们如何将它转换为 运行ge of (44-263) 中的值。没有在网上找到太多相同的文档。
寻找文档参考和解释以及 95% 预测的解释。
实际上是为了澄清（我是 AutoML Tables 的 PM）--
AutoML Tables 不会 对标签数据的预测值进行任何归一化，因此如果您希望标签数据的分布为 min/max 44- 263，那么输出预测也应该在那个范围内。两种可能性会使它显着不同：
1) 您选择了错误的标签列
2) 此预测的输入特征与所使用的训练数据中看到的特征大不相同。
如果您希望我们进一步帮助调试，请随时联系 cloud-automl-tables-discuss@googlegroups.com