Vertex AI 预测 AutoML 对相同的输入数据给出不同的答案答案

【问题标题】：Vertex AI forecasting AutoML giving different answers for same input dataVertex AI 预测 AutoML 对相同的输入数据给出不同的答案
【发布时间】：2022-02-11 19:51:40
【问题描述】：

我训练了一个 Vertex AI 预测 AutoML 模型，其中目标列为字符串，其他数字输入特征为字符串，然后我训练了另一个 AutoML 模型，目标列为浮点数，其他输入特征为整数。

两种模型的预测不同。数据相同，只是数据类型/架构发生了变化。

谷歌documentation 说：

当您使用具有数值转换的特征训练模型时， Vertex AI 将以下数据转换应用于特征，并使用任何为训练提供信号的方法：

转换为 float32 的值。

因此，即使在转换之后，两个数据也应该相同。为什么结果会不一样？有可能吗？

【问题讨论】：

标签： google-cloud-platform forecasting google-cloud-automl automl google-cloud-vertex-ai

【解决方案1】：

我已经按照Build an AutoML Forecasting Model with Vertex AI上的步骤制作了一个预测模型，并得出结论顶点AI压缩了很多预测模型生成的步骤，因此用户可以轻松操作。

我认为，对于您在字符串和数值中的观察，最合理的答案在于执行数据处理以生成我们的预测模型的方式。我认为您不会在 vertex AI 文档中找到它，因为这意味着要披露 vertex AI 代码如何工作并处理其Feature Engineering 并训练生成模型的步骤，这是受保护的。

无论如何，让我们推测一下，我认为在数据类型转换并传递给算法进行处理时，可能会出现数据类型转换之间的差异。让我们说一个线性回归样本，您会发现数据转换的最轻微变化都会影响您的预测模型的结果，这也可能是这里发生的事情。

【讨论】：