進行單一預測 - Amazon SageMaker AI

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

進行單一預測

注意

本節描述如何從 Canvas 應用程式中的模型取得單一預測。如需透過將模型部署到端點來在生產環境中進行即時調用的相關資訊,請參閱將模型部署到端點

如果您要取得單一資料點的預測,請進行單一預測。您可以使用此功能取得即時預測,或嘗試變更個別值,以瞭解它們如何影響預測結果。請注意,單一預測依賴於非同步推論端點,該端點會在閒置 (或未收到任何預測請求) 兩個小時後關閉。

基於您的模型類型,選擇下列其中一個程序。

使用數值和分類預測模型進行單一預測

若要針對數值或分類預測模型進行單一預測,請執行下列動作:

  1. 在 Canvas 應用程式左側導覽窗格中選擇 My models (我的模型)。

  2. My models (我的模型) 頁面中,選擇您的模型。

  3. 開啟模型後,選擇 Predict (預測) 分頁標籤。

  4. Run predictions (執行預測) 頁面上,選擇 Single prediction (單一預測)。

  5. 對於代表輸入資料欄的每個 Column (資料欄) 欄位,您可以變更 Value (值)。從下拉式清單功能表選取您要變更的 Value (值)。針對數值欄位,您可以輸入新數值。針對具有標籤的欄位,您可以選取不同的標籤。

  6. 當您準備好產生預測時,請在右側的 Prediction (預測) 窗格中選擇 Update (更新)。

在右側的 Prediction (預測) 窗格中,您將看到預測結果。您可以複製預測結果圖表,也可以選擇下載,將預測結果圖表下載為映像,或將值和預測下載為CSV檔案。

使用時間序列預測模型進行單一預測

若要對時間序列預測模型進行單一預測,請執行下列動作:

  1. 在 Canvas 應用程式左側導覽窗格中選擇 My models (我的模型)。

  2. My models (我的模型) 頁面中,選擇您的模型。

  3. 開啟模型後,選擇 Predict (預測) 分頁標籤。

  4. 選擇單一預測

  5. 針對項目,選取您要預測值的項目。

  6. 如果您使用依資料欄的群組來訓練模型,請為項目依類別選取群組。

預測結果會載入以下窗格中,顯示每個四分位數的預測圖表。選擇結構描述檢視以查看數值預測值。您也可以選擇下載,將預測結果下載為映像或CSV檔案。

使用影像預測模型進行單一預測

若要針對單一標籤影像預測模型進行單一預測,請執行下列動作:

  1. 在 Canvas 應用程式左側導覽窗格中選擇 My models (我的模型)。

  2. My models (我的模型) 頁面中,選擇您的模型。

  3. 開啟模型後,選擇 Predict (預測) 分頁標籤。

  4. Run predictions (執行預測) 頁面上,選擇 Single prediction (單一預測)。

  5. 選擇 Import package (匯入影像)。

  6. 系統會提示您上傳影像。您可以從本機電腦或 Amazon S3 儲存貯體上傳影像。

  7. 選擇 Import (匯入) 以匯入影像並產生預測。

在右側的 Prediction results (預測結果) 窗格中,模型列出了影像的可能標籤,以及每個標籤的 Confidence (可信度分數)。例如,模型可以預測影像的標籤大海,可信度分數為 96%。該模型可能已將影像預測為冰河,其可信度分數僅為 4%。因此您可以判斷您的模型在預測海洋的影像方面是否可信。

使用文字預測模型進行單一預測

若要針對多類別文字預測模型進行單一預測,請執行下列動作:

  1. 在 Canvas 應用程式左側導覽窗格中選擇 My models (我的模型)。

  2. My models (我的模型) 頁面中,選擇您的模型。

  3. 開啟模型後,選擇 Predict (預測) 分頁標籤。

  4. Run predictions (執行預測) 頁面上,選擇 Single prediction (單一預測)。

  5. Text field (文字欄位) 中,輸入您要取得預測的文字。

  6. 選擇 Generate prediction results (產生預測結果) 以取得您的預測。

在右側窗格 Prediction results (預測結果) 中,除了每個可能標籤的 Confidence (可信度分數) 之外,您還會獲得文字的分析。例如,如果您針對某項產品輸入了正面評論,您可能會得到 Positive (正數) 的可信度分數 85%,而 Neutral (中性) 的可信度分數可能是 10%,而 Negative (負值) 的可信度分數則只有 5%。