Panoramica dei pesi del modello BigQuery ML

Questo documento descrive in che modo BigQuery ML supporta l'individuazione dei pesi del modello per i modelli di machine learning (ML).

Un modello ML è un artefatto salvato dopo l'esecuzione di un algoritmo ML sui dati di addestramento. Il modello rappresenta le regole, i numeri e qualsiasi altra struttura di dati specifica dell'algoritmo necessaria per fare previsioni. Ecco alcuni esempi:

  • Un modello di regressione lineare è costituito da un vettore di coefficienti che hanno valori specifici.
  • Un modello ad albero decisionale è costituito da uno o più alberi di istruzioni if-then che hanno valori specifici.
  • Un modello di rete neurale profonda è costituito da una struttura a grafo con vettori o matrici di pesi che hanno valori specifici.

In BigQuery ML, il termine pesi del modello viene utilizzato per descrivere i componenti di cui è composto un modello.

Offerte di pesi del modello in BigQuery ML

BigQuery ML offre diverse funzioni che puoi utilizzare per recuperare i pesi del modello per diversi modelli.

Categoria del modello Tipi di modello Funzioni per le ponderazioni dei modelli Cosa fa la funzione
Modelli supervisionati Regressione lineare e logistica ML.WEIGHTS Recupera i coefficienti delle funzionalità e l'intercetta.
Modelli non supervisionati Kmeans ML.CENTROIDS Recupera i coefficienti delle funzionalità per tutti i centroidi.
Fattorizzazione matriciale ML.WEIGHTS Recupera i pesi di tutti i fattori latenti. Rappresentano le due matrici scomposte, la matrice degli utenti e la matrice degli articoli.
PCA ML.PRINCIPAL_COMPONENTS Recupera i coefficienti delle caratteristiche per tutte le componenti principali, noti anche come autovettori.
ML.PRINCIPAL_COMPONENT_INFO Recupera le statistiche di ogni componente principale, ad esempio l'autovalore.
Modelli di serie temporali ARIMA_PLUS ML.ARIMA_COEFFICIENTS Recupera i coefficienti del modello ARIMA, che viene utilizzato per modellare la componente di tendenza della serie temporale di input. Per informazioni su altri componenti, ad esempio i pattern stagionali presenti nella serie temporale, utilizza ML.ARIMA_EVALUATE.

BigQuery ML non supporta le funzioni di ponderazione del modello per i seguenti tipi di modelli:

Per visualizzare i pesi di tutti questi tipi di modelli, ad eccezione dei modelli AutoML Tables, esporta il modello da BigQuery ML a Cloud Storage. Puoi quindi utilizzare la libreria XGBoost per visualizzare la struttura ad albero per i modelli boosted tree e random forest oppure la libreria TensorFlow per visualizzare la struttura del grafico per i modelli DNN e wide and deep. Non esiste un metodo per ottenere informazioni sui pesi del modello per i modelli AutoML Tables.

Per ulteriori informazioni sull'esportazione di un modello, consulta l'istruzione EXPORT MODEL e Esportare un modello BigQuery ML per la previsione online.

Passaggi successivi

Per ulteriori informazioni sulle istruzioni e sulle funzioni SQL supportate per i modelli ML, consulta User journey end-to-end per i modelli ML.