2 de agosto de 2024 – Funções de ML: Mensagens de erro aprimoradas na classificação¶

Temos o prazer de anunciar mensagens de erro aprimoradas para a função de ML de classificação. Essas novas mensagens comunicam mais claramente a causa do erro e sugerem melhor como abordar o problema principal. A tabela a seguir mostra as mensagens de erro mais comuns e suas versões aprimoradas.

Mensagem anterior	Nova mensagem
Erro: Dados de avaliação indisponíveis. Treine com a avaliação habilitada.	Dados de avaliação indisponíveis. Crie um novo modelo com o parâmetro EVALUATE definido como TRUE. Tente adicionar a seguinte linha ao chamar o modelo: CONFIG_OBJECT => {“evaluate”: «TRUE»}.
{col} tem um tipo diferente de treinamento. Certifique-se de que cada coluna tenha o mesmo tipo SQL entre treinamento e previsão.	Sua coluna {col} tem um tipo SQL diferente neste conjunto de dados do que em seu conjunto de dados de treinamento. Certifique-se de que cada coluna neste conjunto de dados corresponda ao tipo de coluna correspondente de seus dados de treinamento. Tente converter a coluna para o tipo em que ela estava nos dados de treinamento.
Todos os valores na coluna de rótulo são NULL.	Todos os valores em sua coluna de destino são NULL. O modelo requer valores que não sejam NULL em sua coluna de destino para ser treinado com sucesso. Tente escolher uma coluna de destino diferente.
test_fraction deve ser um número; test_fraction deve ser maior que 0 e menor que 1	Seu valor test_fraction não é válido. test_fraction deve ser maior que 0 e menor que 1. Tente inserir um valor decimal entre 0 e 1 (ou seja, 0.2).
O test_fraction para avaliação é muito grande para gerar um conjunto de dados de avaliação	Seu test_fraction é muito alto. Experimente uma fração menor. O test_fraction provavelmente está muito próximo de 1. Tente algo menor (por exemplo, 0.2).
Não é possível criar um conjunto de dados de avaliação – apenas uma classe presente no conjunto de treinamentos de avaliação. Isso pode ocorrer devido a um grande desequilíbrio de classe ou porque o test_fraction é muito grande.	Dados de avaliação indisponíveis. Se uma classe (ou categoria) superar significativamente as demais, o modelo pode não conseguir concluir o treinamento. Verifique se cada classe distinta em sua coluna de destino aparece muitas vezes. Se isso não for um problema, tente diminuir seu test_fraction.