本頁面由 Cloud Translation API 翻譯而成。

準備訓練資料
透過集合功能整理內容你可以依據偏好儲存及分類內容。

本頁說明如何準備表格資料，以便在 Vertex AI 中訓練分類和迴歸模型。訓練資料的品質會影響所建模型的成效。

涵蓋以下主題：

根據預設，Vertex AI 會使用隨機分割演算法，將資料分割為三個資料分割。Vertex AI 會隨機選取 80% 的資料列用於訓練集、10% 用於驗證集，以及 10% 用於測試集。或者，您也可以使用手動分割或時間分割，但這需要您準備資料分割欄或時間欄。進一步瞭解資料分割。

資料結構規定

訓練資料必須符合下列基本要求：

需求類型	需求
大小	資料集大小不得超過 100 GB。
欄數	資料集必須至少包含 2 個欄，最多 1,000 個欄。資料集必須包含目標，且至少要有一個特徵可用於訓練模型。在理想情況下，您的訓練資料應具備兩個以上的資料欄。欄數上限包含地圖項目欄和非地圖項目欄。
目標欄	您必須指定目標欄。目標欄可讓 Vertex AI 將訓練資料與所需結果建立關聯。不得包含空值，且必須是分類或數值。如果是類別資料類型，則必須至少有 2 個不重複值，且不超過 500 個。
資料欄名稱格式	資料欄名稱可以包含英數字元或底線 (`_`)，但不得以底線為開頭。
列數	資料集列數必須介於 1,000 列至 100,000,000 列之間。視資料集提供的特徵數量而定，1,000 列可能不足以訓練高效能模型。瞭解詳情。
資料格式	您必須根據目標使用適當的資料格式 (廣泛或精確)。一般來說，寬格式最適合，每列代表一個訓練資料項目 (產品、人物等)。瞭解如何選擇資料格式。

您可以透過兩種格式將模型訓練資料提供給 Vertex AI：

您使用的來源取決於資料的儲存方式、大小和複雜度。在資料集規模不大，且您不需使用較複雜資料類型的情況下，選擇 CSV 是比較簡單的做法。若是包含陣列和結構的大型資料集，請務必使用 BigQuery。

BigQuery 資料表或檢視表必須符合 BigQuery 位置規定。

如果 BigQuery 資料表或檢視畫面位於您建立 Vertex AI 資料集的專案以外的專案，或是 BigQuery 資料表或檢視畫面由外部資料來源支援，您可能需要在 Vertex AI 服務代理中新增一或多個角色。請參閱 BigQuery 的角色新增規定。

您不必為 BigQuery 資料表指定結構定義，Vertex AI 會在您匯入資料時，自動推測該資料表的結構定義。

BigQuery uri (指定訓練資料的位置) 必須符合下列格式：

bq://<project_id>.<dataset_id>.<table_id>

此 URI 不得包含任何其他特殊字元。

如要瞭解 BigQuery 資料類型，以及這些類型對應至 Vertex AI 的方式，請參閱「BigQuery 資料表」一節。如要進一步瞭解如何使用 BigQuery 外部資料來源，請參閱「外部資料來源簡介」。

CSV 檔案可以儲存在 Cloud Storage 或本機電腦上。並須符合下列規定：

您不需要為 CSV 資料指定結構定義，Vertex AI 會在您匯入資料時，自動推測資料表的結構定義，並使用標題列做為資料欄名稱。

如要進一步瞭解 CSV 檔案格式和資料類型，請參閱 CSV 檔案一節。

如果您要從 Cloud Storage 匯入資料，資料必須位於符合下列要求的值區：

如果您要從本機電腦匯入資料，必須擁有符合下列需求的 Cloud Storage 值區：

符合 Vertex AI 值區規定。
如果儲存格不在 Vertex AI 專案中，您必須在 Vertex AI 服務代理中新增一或多個角色。請參閱「Cloud Storage 的角色新增要求」。

Vertex AI 會在匯入資料前，將這個值區用做暫存區。

根據預設，Vertex AI 會平均分配訓練資料每個資料列的權重。在訓練期間，系統不會將任何資料列視為比其他資料列更重要。

有時候，您可能希望系統在訓練模型時能更頻繁地使用部分資料列。例如，如果您正在使用支出資料，可能會希望與支出較高者相關聯的資料對模型產生較大影響。若您特別想避免缺少特定結果的情況，則可針對包含這個結果的資料列增加其權重。

如要提供資料列的相對權重，您可以在資料集中新增權重欄。權重欄必須是數字欄，權重值可為 0 到 10,000。值越高，則表示在訓練模型時，這個資料列較為重要。權重為 0 會導致系統忽略該列。如果您加入了重量資料欄，則每個資料列都必須包含一個值。

您稍後訓練模型時，可以將這個欄指定為 Weight 欄。

系統唯有在訓練模型時會使用自訂權重配置，因此這些配置不會影響用於模型評估的測試集。