Questo tutorial introduce gli analisti di dati al modello di fattorizzazione matriciale in BigQuery ML. BigQuery ML consente agli utenti di creare ed eseguire modelli di machine learning in BigQuery. L'obiettivo è democratizzare il machine learning consentendo ai professionisti SQL di creare modelli utilizzando i loro strumenti esistenti e di aumentare la velocità di sviluppo eliminando la necessità di spostare i dati.
In questo tutorial imparerai a creare un modello a partire da feedback espliciti utilizzando il set di dati movielens1m
per dare consigli sulla base di un ID film e un ID utente.
Il set di dati movielens contiene le valutazioni, da una scala da 1 a 5, che gli utenti hanno dato ai film, insieme ai metadati del film, ad esempio il genere.
Obiettivi
In questo tutorial utilizzerai:
- BigQuery ML per creare un modello di suggerimenti esplicito utilizzando l'istruzione
CREATE MODEL
- La funzione
ML.EVALUATE
per valutare i modelli ML - La funzione
ML.WEIGHTS
per esaminare i pesi dei fattori latenti generati durante l'addestramento. - La funzione
ML.RECOMMEND
consente di generare suggerimenti per un utente.
Costi
Questo tutorial utilizza i componenti fatturabili di Google Cloud, tra cui:
- BigQuery
- BigQuery ML
Per ulteriori informazioni sui costi di BigQuery, consulta la pagina Prezzi di BigQuery.
Per ulteriori informazioni sui costi di BigQuery ML, consulta Prezzi di BigQuery ML.
Prima di iniziare
- Accedi al tuo account Google Cloud. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
- BigQuery viene abilitato automaticamente nei nuovi progetti.
Per attivare BigQuery in un progetto preesistente, vai a
Attiva l'API BigQuery.
Passaggio 1: crea il set di dati
Crea un set di dati BigQuery per archiviare il tuo modello ML:
Nella console Google Cloud, vai alla pagina BigQuery.
Nel riquadro Explorer, fai clic sul nome del progetto.
Fai clic su
Visualizza azioni > Crea set di dati.Nella pagina Crea set di dati:
In ID set di dati, inserisci
bqml_tutorial
.Per Tipo di località, seleziona Più regioni e poi Stati Uniti (più regioni negli Stati Uniti).
I set di dati pubblici sono archiviati in
US
più regioni. Per semplicità, memorizza il set di dati nella stessa posizione.Lascia invariate le restanti impostazioni predefinite e fai clic su Crea set di dati.
Passaggio due: carica il set di dati Movielens in BigQuery
Di seguito sono riportati i passaggi per caricare il set di dati Movielens da 1 milione in BigQuery utilizzando gli strumenti a riga di comando di BigQuery.
Verrà creato un set di dati denominato movielens
al quale verranno archiviate le tabelle Movielens pertinenti.
curl -O 'http://files.grouplens.org/datasets/movielens/ml-1m.zip'
unzip ml-1m.zip
bq mk --dataset movielens
sed 's/::/,/g' ml-1m/ratings.dat > ratings.csv
bq load --source_format=CSV movielens.movielens_1m ratings.csv \
user_id:INT64,item_id:INT64,rating:FLOAT64,timestamp:TIMESTAMP
Poiché i titoli dei film contengono due punti, virgole e barre verticali, dobbiamo utilizzare un delimitatore diverso. Per caricare i titoli dei film, utilizza una variante leggermente diversa degli ultimi due comandi.
sed 's/::/@/g' ml-1m/movies.dat > movie_titles.csv
bq load --source_format=CSV --field_delimiter=@ \
movielens.movie_titles movie_titles.csv \
movie_id:INT64,movie_title:STRING,genre:STRING
Passaggio tre: crea un modello di suggerimenti espliciti
Successivamente, creerai un modello di suggerimenti esplicito utilizzando la tabella di esempio Movielens caricata nel passaggio precedente. La seguente query GoogleSQL viene utilizzata per creare il modello che verrà utilizzato per prevedere una valutazione per ogni coppia utente-elemento.
#standardSQL CREATE OR REPLACE MODEL `bqml_tutorial.my_explicit_mf_model` OPTIONS (model_type='matrix_factorization', user_col='user_id', item_col='item_id', l2_reg=9.83, num_factors=34) AS SELECT user_id, item_id, rating FROM `movielens.movielens_1m`
Oltre a creare il modello, l'esecuzione del comando CREATE MODEL
addestra il modello che crei.
Dettagli query
La clausola CREATE MODEL
viene utilizzata per creare e addestrare il modello denominato bqml_tutorial.my_explicit_mf_model
.
La clausola OPTIONS(model_type='matrix_factorization', user_col='user_id', ...)
indica che stai creando un modello di scomposizione matriciale. Per impostazione predefinita, verrà creato un modello di fattorizzazione matriciale esplicito, a meno che non venga specificato feedback_type='IMPLICIT'
. Un esempio di come creare un modello di fattorizzazione matriciale implicita sarà spiegato nella sezione Utilizzo di BigQuery ML per fornire suggerimenti per il feedback implicito.
L'istruzione SELECT
di questa query utilizza le seguenti colonne per generare suggerimenti.
user_id
: l'ID utente (INT64).item_id
: l'ID film (INT64).rating
: la valutazione esplicita da 1 a 5 che iluser_id
ha assegnato aitem_id
(FLOAT64).
La clausola FROM
movielens.movielens_1m
indica che stai eseguendo una query sulla tabella movielens_1m
nel set di dati movielens
.
Questo set di dati si trova nel tuo progetto BigQuery se sono state seguite le istruzioni del passaggio 2.
Esegui la query CREATE MODEL
Per eseguire la query CREATE MODEL
al fine di creare e addestrare il modello:
Nella console Google Cloud, fai clic sul pulsante Crea nuova query.
Inserisci la seguente query GoogleSQL nell'area di testo Editor query.
#standardSQL CREATE OR REPLACE MODEL `bqml_tutorial.my_explicit_mf_model` OPTIONS (model_type='matrix_factorization', user_col='user_id', item_col='item_id', l2_reg=9.83, num_factors=34) AS SELECT user_id, item_id, rating FROM `movielens.movielens_1m`
Fai clic su Esegui.
Il completamento della query richiede circa 10 minuti, dopodiché il modello (
my_explicit_mf_model
) viene visualizzato nel pannello di navigazione della console Google Cloud. Poiché la query utilizza un'istruzioneCREATE MODEL
per creare un modello, non vedrai i risultati della query.
Passaggio 4 (facoltativo): ricevi le statistiche di addestramento
Per visualizzare i risultati dell'addestramento del modello, puoi utilizzare la funzione ML.TRAINING_INFO
oppure visualizzare le statistiche nella console Google Cloud. In questo tutorial utilizzerai la console Google Cloud.
Un algoritmo di machine learning crea un modello esaminando molti esempi e provando a trovare un modello che riduca al minimo la perdita. Questo processo è chiamato minimizzazione del rischio empirico.
Per visualizzare le statistiche di addestramento del modello generate quando hai eseguito la query CREATE MODEL
:
Nel pannello di navigazione della console Google Cloud, nella sezione Risorse, espandi [PROJECT_ID] > bqml_tutorial, quindi fai clic su my_explicit_mf_model.
Fai clic sulla scheda Addestramento, quindi su Tabella. I risultati dovrebbero avere il seguente aspetto:
La colonna Addestramento Data Loss rappresenta la metrica di perdita calcolata dopo che il modello è stato addestrato sul set di dati di addestramento. Poiché hai eseguito la fattorizzazione matriciale, questa colonna è l'errore quadratico medio. Per impostazione predefinita, i modelli di fattorizzazione matriciale non suddividono i dati, quindi la colonna Valutazione perdita dati non sarà presente a meno che non venga specificato un set di dati di holdout, perché la suddivisione dei dati può comportare la perdita di tutte le valutazioni per un utente o un articolo. Di conseguenza, il modello non avrà informazioni sui fattori latenti sugli utenti o sugli elementi mancanti.
Per ulteriori dettagli sulla funzione
ML.TRAINING_INFO
, consulta il riferimento sulla sintassi di BigQuery ML.
Passaggio 5: valuta il modello
Dopo aver creato il modello, valuti le prestazioni del motore per suggerimenti utilizzando la funzione ML.EVALUATE
. La funzione ML.EVALUATE
valuta le valutazioni previste
in base alle valutazioni effettive.
La query utilizzata per valutare il modello è la seguente:
#standardSQL SELECT * FROM ML.EVALUATE(MODEL `bqml_tutorial.my_explicit_mf_model`, ( SELECT user_id, item_id, rating FROM `movielens.movielens_1m`))
Dettagli query
L'istruzione SELECT
più in alto recupera le colonne dal modello.
La clausola FROM
utilizza la funzione ML.EVALUATE
nel tuo modello: bqml_tutorial.my_explicit_mf_model
.
L'istruzione SELECT
nidificata e la clausola FROM
di questa query sono uguali a quelle
nella query CREATE MODEL
.
Puoi anche chiamare ML.EVALUATE
senza fornire i dati di input. Utilizzerà le metriche di valutazione calcolate durante l'addestramento:
#standardSQL SELECT * FROM ML.EVALUATE(MODEL `bqml_tutorial.my_explicit_mf_model`)
Esegui la query ML.EVALUATE
Per eseguire la query ML.EVALUATE
che valuta il modello:
Nella console Google Cloud, fai clic sul pulsante Crea nuova query.
Inserisci la seguente query GoogleSQL nell'area di testo Editor query.
#standardSQL SELECT * FROM ML.EVALUATE(MODEL `bqml_tutorial.my_explicit_mf_model`, ( SELECT user_id, item_id, rating FROM `movielens.movielens_1m`))
(Facoltativo) Per impostare il luogo di elaborazione, fai clic su Altro > Impostazioni query. Per Località di elaborazione, scegli
US
. Questo passaggio è facoltativo perché la località di elaborazione viene rilevata automaticamente in base alla località del set di dati.Fai clic su Esegui.
Quando la query è completa, fai clic sulla scheda Risultati sotto l'area di testo della query. I risultati dovrebbero avere il seguente aspetto:
Poiché hai eseguito una fattorizzazione esplicita a matrice, i risultati includono le seguenti colonne:
mean_absolute_error
mean_squared_error
mean_squared_log_error
median_absolute_error
r2_score
explained_variance
Una metrica importante nei risultati della valutazione è il punteggio R2. Il punteggio R2 è una misura statistica che determina se le previsioni di regressione lineare approfondiscono i dati effettivi. 0 indica che il modello non spiega nessuna della variabilità dei dati di risposta intorno alla media. 1 indica che il modello spiega tutta la variabilità dei dati di risposta intorno alla media.
Passaggio 6: utilizza il modello per prevedere le valutazioni e dare consigli
Trovare tutte le valutazioni degli elementi per un insieme di utenti
ML.RECOMMEND
non deve accettare argomenti aggiuntivi oltre al modello,
ma può includere una tabella facoltativa. Se la tabella di input ha una sola colonna che corrisponde al nome della colonna di input user
o di input item
, verranno riportate tutte le valutazioni degli elementi previste per ogni user
e viceversa. Tieni presente che se tutti gli elementi users
o items
sono nella tabella di input, produrrà gli stessi risultati del passaggio di nessun argomento facoltativo a ML.RECOMMEND
.
Di seguito è riportato un esempio di query per recuperare tutte le valutazioni dei film previste per 5 utenti:
#standardSQL SELECT * FROM ML.RECOMMEND(MODEL `bqml_tutorial.my_explicit_mf_model`, ( SELECT user_id FROM `movielens.movielens_1m` LIMIT 5))
Dettagli query
L'istruzione SELECT
più in alto recupera le colonne user
, item
e predicted_rating
.
Quest'ultima colonna viene generata dalla funzione ML.RECOMMEND
. Quando utilizzi la funzione ML.RECOMMEND
, il nome della colonna di output del modello è predicted_<rating_column_name>
. Per i modelli di fattorizzazione matriciale espliciti, predicted_rating
è il valore stimato di rating
.
La funzione ML.RECOMMEND
viene utilizzata per prevedere le valutazioni utilizzando il tuo modello: bqml_tutorial.my_explicit_mf_model
.
L'istruzione SELECT
nidificata di questa query seleziona solo la colonna user_id
dalla tabella originale utilizzata per l'addestramento.
La clausola LIMIT
LIMIT 5
filtra in modo casuale 5 user_id
da inviare a ML.RECOMMEND
.
Trovare le valutazioni per tutte le coppie utente-elemento
Ora che hai valutato il modello, il passaggio successivo è utilizzarlo per prevedere una valutazione. Puoi utilizzare il modello per prevedere le valutazioni di ogni combinazione di elementi utente nella seguente query:
#standardSQL SELECT * FROM ML.RECOMMEND(MODEL `bqml_tutorial.my_explicit_mf_model`)
Dettagli query
L'istruzione SELECT
più in alto recupera le colonne user
, item
e predicted_rating
.
Quest'ultima colonna viene generata dalla funzione ML.RECOMMEND
. Quando utilizzi la funzione ML.RECOMMEND
, il nome della colonna di output del modello è predicted_<rating_column_name>
. Per i modelli di fattorizzazione matriciale espliciti, predicted_rating
è il valore stimato di rating
.
La funzione ML.RECOMMEND
viene utilizzata per prevedere le valutazioni utilizzando il tuo modello: bqml_tutorial.my_explicit_mf_model
.
Un modo per salvare il risultato nella tabella è:
#standardSQL CREATE OR REPLACE TABLE `bqml_tutorial.recommend_1m` OPTIONS() AS SELECT * FROM ML.RECOMMEND(MODEL `bqml_tutorial.my_explicit_mf_model`)
Se si verifica un errore Query Exceeded Resource Limits
per ML.RECOMMEND
, riprova con un livello di fatturazione superiore. Nello strumento a riga di comando di BigQuery, può essere impostato utilizzando il flag --maximum_billing_tier
.
Genera suggerimenti
Utilizzando la precedente query sui suggerimenti, possiamo ordinare i dati in base alla valutazione prevista e restituire gli elementi previsti principali per ciascun utente. La seguente query unisce item_ids
con il movie_ids
trovato nella tabella movielens.movie_titles
caricata in precedenza e restituisce i primi 5 film consigliati per utente.
#standardSQL SELECT user_id, ARRAY_AGG(STRUCT(movie_title, genre, predicted_rating) ORDER BY predicted_rating DESC LIMIT 5) FROM ( SELECT user_id, item_id, predicted_rating, movie_title, genre FROM `bqml_tutorial.recommend_1m` JOIN `movielens.movie_titles` ON item_id = movie_id) GROUP BY user_id
Dettagli query
L'istruzione SELECT
interna esegue un join interno su item_id
dalla tabella dei risultati del suggerimento e movie_id
dalla tabella movielens.movie_titles
. movielens.movie_titles
non solo associa movie_id
al titolo di un film, ma
include anche i generi del film elencati dall'IMDB.
L'istruzione SELECT
di primo livello aggrega i risultati dell'istruzione SELECT
nidificata utilizzando GROUPS BY user_id
per aggregare movie_title,
genre,
e predicted_rating
in ordine decrescente, mantenendo solo i primi 5 film.
Esegui la query ML.RECOMMEND
Per eseguire la query ML.RECOMMEND
che restituisce i primi 5 film consigliati per utente:
Nella console Google Cloud, fai clic sul pulsante Crea nuova query.
Inserisci la seguente query GoogleSQL nell'area di testo Editor query.
#standardSQL CREATE OR REPLACE TABLE `bqml_tutorial.recommend_1m` OPTIONS() AS SELECT * FROM ML.RECOMMEND(MODEL `bqml_tutorial.my_explicit_mf_model`)
Fai clic su Esegui.
Al termine della query, nel pannello di navigazione verrà visualizzato (
bqml_tutorial.recommend_1m
). Poiché la query utilizza un'istruzioneCREATE TABLE
per creare una tabella, non vedi i risultati della query.Crea un'altra nuova query. Inserisci la seguente query GoogleSQL nell'area di testo Editor query una volta terminata l'esecuzione della query precedente.
#standardSQL SELECT user_id, ARRAY_AGG(STRUCT(movie_title, genre, predicted_rating) ORDER BY predicted_rating DESC LIMIT 5) FROM ( SELECT user_id, item_id, predicted_rating, movie_title, genre FROM `bqml_tutorial.recommend_1m` JOIN `movielens.movie_titles` ON item_id = movie_id) GROUP BY user_id
(Facoltativo) Per impostare il luogo di elaborazione, fai clic su Altro > Impostazioni query. Per Località di elaborazione, scegli
US
. Questo passaggio è facoltativo perché la località di elaborazione viene rilevata automaticamente in base alla località del set di dati.Fai clic su Esegui.
Quando la query è completa, fai clic sulla scheda Risultati sotto l'area di testo della query. I risultati dovrebbero avere il seguente aspetto:
Poiché disponevamo di informazioni aggiuntive sui metadati di ogni movie_id
oltre a un elemento INT64
, possiamo visualizzare informazioni come il genere dei 5 film più consigliati per ogni utente. Se non disponi di una tabella equivalente di movietitles
per i dati di addestramento,
i risultati potrebbero non essere interpretabili come esseri umani, solo con ID o
hash numerici.
Generi principali per fattore
Se vuoi sapere a quale genere potrebbe essere correlato ciascun fattore latente, puoi eseguire la seguente query:
#standardSQL SELECT factor, ARRAY_AGG(STRUCT(feature, genre, weight) ORDER BY weight DESC LIMIT 10) AS weights FROM ( SELECT * EXCEPT(factor_weights) FROM ( SELECT * FROM ( SELECT factor_weights, CAST(feature AS INT64) as feature FROM ML.WEIGHTS(model `bqml_tutorial.my_explicit_mf_model`) WHERE processed_input= 'item_id') JOIN `movielens.movie_titles` ON feature = movie_id) weights CROSS JOIN UNNEST(weights.factor_weights) ORDER BY feature, weight DESC) GROUP BY factor
Dettagli query
L'istruzione SELECT
più interna ottiene l'array di pesi item_id
o di fattore film e poi lo unisce alla tabella movielens.movie_titles
per ottenere il genere di ogni ID elemento.
Il cui risultato viene quindi CROSS JOIN
edificato con ogni array factor_weights
il cui risultato è ORDER BY feature, weight DESC
.
Infine, l'istruzione SELECT
di primo livello aggrega i risultati della sua dichiarazione interna in base a factor
e crea un array per ogni fattore ordinato in base alla ponderazione di ogni genere.
Eseguire la query
Per eseguire la query precedente che restituisce i 10 generi di film principali per fattore:
Nella console Google Cloud, fai clic sul pulsante Crea nuova query.
Inserisci la seguente query GoogleSQL nell'area di testo Editor query.
#standardSQL SELECT factor, ARRAY_AGG(STRUCT(feature, genre, weight) ORDER BY weight DESC LIMIT 10) AS weights FROM ( SELECT * EXCEPT(factor_weights) FROM ( SELECT * FROM ( SELECT factor_weights, CAST(feature AS INT64) as feature FROM ML.WEIGHTS(model `bqml_tutorial.my_explicit_mf_model`) WHERE processed_input= 'item_id') JOIN `movielens.movie_titles` ON feature = movie_id) weights CROSS JOIN UNNEST(weights.factor_weights) ORDER BY feature, weight DESC) GROUP BY factor
(Facoltativo) Per impostare il luogo di elaborazione, fai clic su Altro > Impostazioni query. Per Località di elaborazione, scegli
US
. Questo passaggio è facoltativo perché la località di elaborazione viene rilevata automaticamente in base alla località del set di dati.Fai clic su Esegui.
Quando la query è completa, fai clic sulla scheda Risultati sotto l'area di testo della query. I risultati dovrebbero avere il seguente aspetto:
Esegui la pulizia
Per evitare che al tuo Account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questo tutorial, elimina il progetto che contiene le risorse oppure mantieni il progetto ed elimina le singole risorse.
- Puoi eliminare il progetto che hai creato.
- In alternativa, puoi mantenere il progetto ed eliminare il set di dati.
Elimina il set di dati
L'eliminazione del progetto rimuove tutti i set di dati e tutte le tabelle nel progetto. Se preferisci riutilizzare il progetto, puoi eliminare il set di dati che hai creato in questo tutorial:
Se necessario, apri la pagina BigQuery nella console Google Cloud.
Nella barra di navigazione, fai clic sul set di dati bqml_tutorial che hai creato.
Fai clic su Elimina set di dati sul lato destro della finestra. Questa azione elimina il set di dati, la tabella e tutti i dati.
Nella finestra di dialogo Elimina set di dati, conferma il comando di eliminazione digitando il nome del set di dati (
bqml_tutorial
), quindi fai clic su Elimina.
Elimina il progetto
Per eliminare il progetto:
- Nella console Google Cloud, vai alla pagina Gestisci risorse.
- Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
- Nella finestra di dialogo, digita l'ID del progetto e fai clic su Chiudi per eliminare il progetto.
Passaggi successivi
- Per saperne di più sul machine learning, consulta il corso intensivo sul machine learning.
- Per una panoramica di BigQuery ML, consulta Introduzione a BigQuery ML.
- Per saperne di più sulla console Google Cloud, consulta Utilizzo della console Google Cloud.