Pre-elaborazione manuale delle funzionalità

Puoi utilizzare la clausola TRANSFORM dell'istruzione CREATE MODEL in combinazione con le funzioni di preelaborazione manualmente per definire la preelaborazione dei dati personalizzata. Puoi anche utilizzare queste funzioni di pre-elaborazione manuale al di fuori della clausola TRANSFORM.

Se vuoi disaccoppiare il pretrattamento dei dati dall'addestramento del modello, puoi creare un modello solo di trasformazione che esegue solo le trasformazioni dei dati utilizzando la clausola TRANSFORM.

Puoi utilizzare la funzione ML.TRANSFORM per aumentare la trasparenza della pre-elaborazione delle funzionalità. Questa funzione consente di restituire i dati pre-elaborati dalla clausola TRANSFORM di un modello, in modo da poter visualizzare i dati di addestramento effettivi che vengono utilizzati per l'addestramento del modello, nonché i dati di previsione effettivi che vengono utilizzati per la pubblicazione del modello.

Per informazioni sul supporto della preelaborazione delle funzionalità in BigQuery ML, consulta Panoramica della preelaborazione delle funzionalità.

Per informazioni sugli statement e sulle funzioni SQL supportati per ogni tipo di modello, consulta Percorso utente end-to-end per ogni modello.

Tipi di funzioni di pre-elaborazione

Esistono diversi tipi di funzioni di pre-elaborazione manuale:

• Le funzioni scalari operano su una singola riga. Ad esempio, ML.BUCKETIZE.
• Le funzioni con valori di tabella operano su tutte le righe e producono una tabella. Ad esempio, ML.FEATURES_AT_TIME.

• Le funzioni analitiche operano su tutte le righe e restituiscono il risultato per ogni riga in base alle statistiche raccolte in tutte le righe. Ad esempio, ML.QUANTILE_BUCKETIZE.

  Devi sempre utilizzare una clausola OVER() vuota con le funzioni di analisi ML.

  Quando utilizzi le funzioni di analisi ML all'interno della clausolaTRANSFORM durante l'addestramento, le stesse statistiche vengono applicate automaticamente all'input nella previsione.

Le seguenti sezioni descrivono le funzioni di preelaborazione disponibili.

Funzioni generali

Per la pulizia dei dati, utilizza la seguente funzione su espressioni stringa o numeriche:

• ML.IMPUTER

Funzioni numeriche

Utilizza le seguenti funzioni sulle espressioni numeriche per normalizzare i dati:

• ML.BUCKETIZE
• ML.MAX_ABS_SCALER
• ML.MIN_MAX_SCALER
• ML.NORMALIZER
• ML.POLYNOMIAL_EXPAND
• ML.QUANTILE_BUCKETIZE
• ML.ROBUST_SCALER
• ML.STANDARD_SCALER

Funzioni categoriche

Utilizza le seguenti funzioni per classificare i dati:

• ML.FEATURE_CROSS
• ML.HASH_BUCKETIZE
• ML.LABEL_ENCODER
• ML.MULTI_HOT_ENCODER
• ML.ONE_HOT_ENCODER

Funzioni di testo

Utilizza le seguenti funzioni per le espressioni di stringhe di testo:

• ML.NGRAMS
• ML.BAG_OF_WORDS
• ML.TF_IDF

Funzioni di immagine

Utilizza le seguenti funzioni sui dati delle immagini:

• ML.CONVERT_COLOR_SPACE
• ML.CONVERT_IMAGE_TYPE
• ML.DECODE_IMAGE
• ML.RESIZE_IMAGE

Limitazioni note

• BigQuery ML supporta sia la pre-elaborazione automatica sia quella manuale nell'esportazione del modello. Consulta i tipi di dati e le functions supportati per esportare i modelli addestrati con la clausola TRANSFORM di BigQuery ML.