此页面列出了 AutoML Tables 的已知问题,以及如何避免这些问题或在发生此类问题后如何恢复。
预测
仅包含一个特征列的批量预测请求会失败
您必须对批量预测至少提供 2 个特征列。
BigQuery 集成
您的 BigQuery 表格或视图错误显示为内部错误
如果您将 BigQuery 用作数据源或预测结果目标,并且您的 BigQuery 架构或配置存在问题,则 AutoML Tables 中可能会返回错误作为内部错误。如果您在使用 BigQuery 时遇到内部错误,请检查您的 BigQuery 架构和配置。
Cloud AutoML API
API 端点和文档中存在不支持的 API 版本
唯一支持 AutoML Tables 的 Cloud AutoML API 版本是
v1beta
。不支持使用v1
REST 或 RPC 端点来访问或修改 AutoML Tables 对象。
将 Google Cloud 控制台与 AutoML Tables 搭配使用
Microsoft Edge 和 Microsoft Internet Explorer 浏览器提供的用户体验可能不够理想
Microsoft Edge 和 Microsoft Internet Explorer 并不支持 AutoML Tables 的全部特性。如果您遇到问题,请尝试使用 Google Chrome、Safari 或 Firefox。
修正的问题
本页面列出的以下问题不再会影响 AutoML Tables。
时间戳特征不支持局部特征重要性
具有时间戳类型特征的模型现在完全支持本地特征重要性。
部署模型后在线预测请求的延迟时间较长
在您部署模型后,第一个在线预测请求不再表现出延迟时间增加。
训练时长超过需要时长不会再降低模型质量
AutoML Tables 会在检测到模型质量不再提高时自动停止训练模型。
行数少于 100,000 的数据集不再导致模型质量下降
行数少于 100,000 的数据集可用于训练模型,且不会导致模型质量显著降低。请注意,通常情况下,数据越多,模型质量越好。训练数据最小量为 1000 行。