接下來我們從訓練新模型開始，就這個部分其實也可從頁籤資料集進入。

1. 來源選擇之後的統計

畫面上是讀取資料後的畫面，如果想換成別的csv，可以從「來源」那邊重新挑選檔案。

所以一個資料集，一次就只能使用一個檔案做訓練，cloud storage可以先放入許多不同的csv檔案，但提供給資料集的就只有一個。

可以選擇產生統計資料，會需要一點時間才跑出來，但是能夠列出「遺失率」和「不重複值」的數量，可以根據這些資料選擇要不要處理這些欄位。

如果此時重新選擇資料來源，那麼看到的統計資料其實是上一次，需要手動重點產生統計資料。

無論要不要選擇產生統計資料，都可以直接開始訓練模型。

2. 點選建立新模型

因為我們在建立資料集的時候，就選擇「迴歸/分類」的類型，所以Objective就出現Regression和Classification可以兩個選項提供作選擇，我們要跑迴歸，所以選擇Regression。

預設值就使用AutoML，最厲害的就是這個步驟了，只要課金花下去，挑模型選細節什麼的，Google自動幫你找到一個他所能提供最好的出來。

model名稱可以任意命名。

要告訴它「答案欄」是哪一個。

另外也提供挑選欄位，如果覺得不需要或者會干擾訓練的欄位，可以在這個步驟挑掉，不一定要全部使用。

最後指定消費上限。

注意一下，他這裡以node/hours 為單位，基本上可以簡單理解為以小時為單位，低消1小時。

然而並不會掐個一小時剛剛好之後立刻結束，看說明有些運行時間是免費的時數，根據過去經驗，我們跑了幾次大概都在2個小時上下的時間跑完，跑完後主動送mail到信箱。

可以在頁籤「模型」看到正在訓練的模型，以及訓練完的模型。