Ringkasan bobot model BigQuery ML

Dokumen ini menjelaskan cara BigQuery ML mendukung visibilitas bobot model untuk model machine learning (ML).

Model ML adalah artefak yang disimpan setelah menjalankan algoritma ML pada data pelatihan. Model ini mewakili aturan, angka, dan struktur data khusus algoritma lainnya yang diperlukan untuk membuat prediksi. Beberapa contoh termasuk berikut ini:

• Model regresi linear terdiri dari vektor koefisien yang memiliki nilai tertentu.
• Model pohon keputusan terdiri dari satu atau beberapa pohon pernyataan if-then yang memiliki nilai tertentu.
• Model deep neural network terdiri dari struktur grafik dengan vektor atau matriks bobot yang memiliki nilai tertentu.

Dalam BigQuery ML, istilah bobot model digunakan untuk menjelaskan komponen yang menyusun sebuah model.

Untuk informasi tentang pernyataan dan fungsi SQL yang didukung untuk setiap jenis model, lihat Perjalanan pengguna menyeluruh untuk setiap model.

Penawaran bobot model di BigQuery ML

BigQuery ML menawarkan beberapa fungsi yang dapat Anda gunakan untuk mengambil bobot model untuk berbagai model.

Kategori model	Jenis model	Fungsi bobot model	Yang dilakukan fungsi
Model yang diawasi	Regresi Logistik & Linear	ML.WEIGHTS	Mengambil koefisien fitur dan titik potong.
Model yang tidak diawasi	Kmeans	ML.CENTROIDS	Mengambil koefisien fitur untuk semua sentroid.
	Faktorisasi Matriks	ML.WEIGHTS	Mengambil bobot dari semua faktor laten. Keduanya mewakili dua matriks terdekomposisi, matriks pengguna dan matriks item.
	PCA	ML.PRINCIPAL_COMPONENTS	Mengambil koefisien fitur untuk semua komponen utama, yang juga dikenal sebagai eigenvector.
		ML.PRINCIPAL_COMPONENT_INFO	Mengambil statistik setiap komponen utama, seperti eigenvalue.
Model deret waktu	ARIMA_PLUS	ML.ARIMA_COEFFICIENTS	Mengambil koefisien model ARIMA, yang digunakan untuk membuat model komponen tren deret waktu input. Untuk informasi tentang komponen lainnya, seperti pola musiman yang ada dalam deret waktu, gunakan ML.ARIMA_EVALUATE.

BigQuery ML tidak mendukung fungsi bobot model untuk jenis model berikut:

• Hierarki yang ditingkatkan
• Hutan acak
• Deep neural network (DNN)
• Wide-and-deep
• AutoML Tables

Untuk melihat bobot semua jenis model ini kecuali untuk model AutoML Tables, ekspor model dari BigQuery ML ke Cloud Storage. Kemudian Anda dapat menggunakan library XGBoost untuk memvisualisasikan struktur pohon untuk model hutan acak dan pohon yang ditingkatkan, atau library TensorFlow untuk memvisualisasikan struktur grafik model DNN dan wide-and-deep. Tidak ada metode untuk mendapatkan informasi bobot model bagi model AutoML Tables.

Untuk informasi selengkapnya tentang cara mengekspor model, lihat pernyataan EXPORT MODEL dan Mengekspor model ML BigQuery untuk prediksi online.