已知问题

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。