二元分類模型可預測二元結果 (兩個類別之一)。如要回答「是」或「否」的問題，請使用這類模型。舉例來說，您可能想建立二元分類模型，預測顧客是否會訂閱。一般而言，二元分類問題需要的資料量少於其他模型類型。
多元分類模型可從三個以上的分離類別預測一個類別。這類模型適用於分類。舉例來說，零售商可能會想建構多元分類模型，將顧客區分為不同的人物角色。
迴歸模型可預測連續值。舉例來說，零售商可能會想建構迴歸模型，預測顧客下個月的消費金額。
建立分類或迴歸模型及進行推論的工作流程
在 Agent Platform 中建立分類或迴歸模型的流程如下：
| 步驟 | 說明 |
|---|---|
| 1. 準備訓練資料 | 準備用於模型訓練的訓練資料。 |
| 2. 建立資料集 | 建立新資料集，並將準備好的訓練資料與該資料集建立關聯。 |
| 3. 訓練模型 | 在 Gemini Enterprise Agent Platform 中，使用資料集訓練分類或迴歸模型。 |
| 4. 評估模型 | 評估新訓練模型的推論準確率。 |
| 5. 查看模型架構 | 查看微調試驗的超參數記錄，以及最終模型的超參數記錄。 |
| 6. 從模型取得推論結果 | 如要取得即時推論結果，請部署模型並取得線上推論結果。 如果不需要即時推論，請直接向模型提出批次推論要求。 |