BigQuery ML을 사용하여 영화 평점에서 추천 생성

이 튜토리얼에서는 데이터 분석가에게 BigQuery ML의 행렬 분해 모델을 소개합니다. BigQuery ML을 사용하면 BigQuery에서 SQL 쿼리를 사용하여 머신러닝 모델을 만들고 실행할 수 있습니다. 목표는 SQL 실무자가 기존 도구를 사용하여 모델을 빌드할 수 있도록 지원하여 머신러닝을 대중화하고 데이터 이동의 필요성을 제거하여 개발 속도를 향상시키는 것입니다.

이 가이드에서는 movielens1m 데이터 세트를 사용하여 명시적 의견에서 모델을 만들어 영화 ID와 사용자 ID를 기반으로 추천을 생성하는 방법을 알아봅니다.

movielens 데이터 세트에는 사용자가 영화에 부여한 평점(1~5점)과 장르 등의 영화 메타데이터가 포함됩니다.

목표

이 가이드에서는 다음을 수행합니다.

BigQuery ML에서 CREATE MODEL 문을 사용하여 명시적 추천 모델 만들기
ML.EVALUATE 함수를 사용하여 ML 모델 평가
ML.WEIGHTS 함수를 사용하여 학습 중에 생성된 잠재 계수 가중치를 검사
ML.RECOMMEND 함수를 사용하여 사용자를 위한 추천 생성

비용

이 튜토리얼에서는 다음을 포함하여 Google Cloud의 청구 가능한 구성요소가 사용됩니다.

BigQuery
BigQuery ML

BigQuery 비용에 대한 자세한 내용은 BigQuery 가격 책정 페이지를 참조하세요.

BigQuery ML 비용에 대한 자세한 내용은 BigQuery ML 가격 책정을 참조하세요.

시작하기 전에

Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Go to project selector

Make sure that billing is enabled for your Google Cloud project.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Go to project selector

Make sure that billing is enabled for your Google Cloud project.

BigQuery는 새 프로젝트에서 자동으로 사용 설정됩니다. 기존 프로젝트에서 BigQuery를 활성화하려면 다음으로 이동합니다.
Enable the BigQuery API.
Enable the API

1단계: 데이터 세트 만들기

ML 모델을 저장할 BigQuery 데이터 세트를 만듭니다.

Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.

BigQuery 페이지로 이동
탐색기 창에서 프로젝트 이름을 클릭합니다.
작업 보기 > 데이터 세트 만들기를 클릭합니다.
데이터 세트 만들기 페이지에서 다음을 수행합니다.
- 데이터 세트 ID에 bqml_tutorial를 입력합니다.
- 위치 유형에 대해 멀티 리전을 선택한 다음 US(미국 내 여러 리전)를 선택합니다.
  
  공개 데이터 세트는 US 멀티 리전에 저장됩니다. 편의상 같은 위치에 데이터 세트를 저장합니다.
- 나머지 기본 설정은 그대로 두고 데이터 세트 만들기를 클릭합니다.

2단계: Movielens 데이터 세트를 BigQuery에 로드

다음은 BigQuery 명령줄 도구를 사용하여 BigQuery에 1m movielens 데이터 세트를 로드하는 단계입니다. movielens라는 데이터 세트가 생성되고 그 안에 관련 movielens 테이블이 저장됩니다.

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

영화 제목에는 콜론, 쉼표, 파이프가 포함되어 있으므로 다른 구분 기호를 사용해야 합니다. 영화 제목을 로드하려면 마지막 두 명령어의 약간 다른 변형을 사용해야 합니다.

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

3단계: 명시적 추천 모델 만들기

다음 단계에서는 이전 단계에서 로드한 movielens 샘플 테이블을 사용하여 명시적 추천 모델을 만듭니다. 다음 GoogleSQL 쿼리는 모든 사용자-항목 쌍의 평점을 예측하는 데 사용할 모델을 만드는 데 사용됩니다.

#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`

CREATE MODEL 명령어를 실행하면 모델 만들기 외에도 만든 모델을 학습시킬 수 있습니다.

쿼리 세부정보

CREATE MODEL 절을 사용하여 bqml_tutorial.my_explicit_mf_model이라는 모델을 만들고 학습시킵니다.

OPTIONS(model_type='matrix_factorization', user_col='user_id', ...) 절은 행렬 분해 모델을 만든다는 것을 나타냅니다. feedback_type='IMPLICIT'가 지정되지 않으면 기본적으로 명시적 행렬 분해 모델이 생성됩니다. 암시적 행렬 분해 모델을 만드는 방법의 예시는 BigQuery ML을 사용하여 암시적 의견에 대한 추천 만들기에서 설명합니다.

이 쿼리의 SELECT 문은 다음 열을 사용하여 추천을 생성합니다.

user_id: 사용자 ID(INT64)
item_id: 영화 ID(INT64)
rating: user_id가 item_id에 지정한 1~5의 명시적 평점(FLOAT64)

FROM 절(movielens.movielens_1m)은 movielens 데이터 세트에서 movielens_1m 테이블을 쿼리함을 나타냅니다. 2단계의 안내를 따른 경우 이 데이터 세트는 BigQuery 프로젝트에 있습니다.

CREATE MODEL 쿼리 실행

CREATE MODEL 쿼리를 실행하여 모델을 만들고 학습시키려면 다음 안내를 따르세요.

Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.
쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

#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`

실행을 클릭합니다.

이 쿼리는 완료하는 데 약 10분이 소요되며 이후에는 모델(my_explicit_mf_model)이 Google Cloud 콘솔의 탐색 패널에 표시됩니다. 이 쿼리에서는 CREATE MODEL 문을 사용하여 모델을 만들므로 쿼리 결과가 표시되지 않습니다.

(선택사항) 4단계: 학습 통계 가져오기

모델 학습 결과를 확인하려면 ML.TRAINING_INFO 함수를 사용하거나 Google Cloud 콘솔에서 통계를 보면 됩니다. 이 튜토리얼에서는 Google Cloud 콘솔을 사용합니다.

머신러닝 알고리즘은 많은 예시를 검사하고 손실을 최소화하는 모델을 찾으려고 시도하여 모델을 빌드합니다. 이 프로세스를 경험적 위험 최소화라고 합니다.

CREATE MODEL 쿼리를 실행할 때 생성된 모델 학습 통계를 확인하려면 다음 안내를 따르세요.

Google Cloud 콘솔 탐색 패널의 리소스 섹션에서 [PROJECT_ID] > bqml_tutorial을 펼친 후 my_explicit_mf_model을 클릭합니다.
학습 탭을 클릭한 후 테이블을 클릭합니다. 다음과 같은 결과가 표시됩니다.

학습 데이터 손실 열은 학습 데이터 세트에서 모델 학습이 진행된 후 계산된 손실 측정항목을 나타냅니다. 행렬 분해를 수행했으므로 이 열은 평균 제곱 오차입니다. 기본적으로 행렬 분해 모델은 데이터를 분할하지 않습니다. 데이터를 분할하면 사용자 또는 항목의 모든 평점이 손실될 수 있으므로 홀드아웃 데이터 세트가 지정되지 않으면 평가 데이터 손실 열이 표시되지 않습니다. 따라서 모델에 누락된 사용자 또는 항목에 대한 잠재 계수 정보가 없습니다.

ML.TRAINING_INFO 함수에 대한 자세한 내용은 BigQuery ML 문법 참조를 확인하세요.

5단계: 모델 평가

모델을 만든 후에는 ML.EVALUATE 함수를 사용하여 추천자의 성능을 평가합니다. ML.EVALUATE 함수는 예측된 평점을 실제 평점과 비교하여 평가합니다.

모델을 평가하는 데 사용되는 쿼리는 다음과 같습니다.

#standardSQL
SELECT
  *
FROM
  ML.EVALUATE(MODEL `bqml_tutorial.my_explicit_mf_model`,
    (
    SELECT
      user_id,
      item_id,
      rating
     FROM
      `movielens.movielens_1m`))

쿼리 세부정보

맨 위에 있는 SELECT 문은 모델의 열을 검색합니다.

FROM 절은 bqml_tutorial.my_explicit_mf_model 모델에 ML.EVALUATE 함수를 사용합니다.

이 쿼리의 중첩된 SELECT 문과 FROM 절은 CREATE MODEL 쿼리와 동일합니다.

또한 입력 데이터를 제공하지 않고 ML.EVALUATE를 호출할 수도 있습니다. 그러면 학습 중에 계산된 평가 측정항목을 사용합니다.

#standardSQL
SELECT
  *
FROM
  ML.EVALUATE(MODEL `bqml_tutorial.my_explicit_mf_model`)

ML.EVALUATE 쿼리 실행

모델을 평가하는 ML.EVALUATE 쿼리를 실행하려면 다음 안내를 따르세요.

Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.

쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

#standardSQL
SELECT
*
FROM
ML.EVALUATE(MODEL `bqml_tutorial.my_explicit_mf_model`,
  (
  SELECT
user_id,
item_id,
rating
   FROM
`movielens.movielens_1m`))

(선택사항) 처리 위치를 설정하려면 더보기 > 쿼리 설정을 클릭합니다. 데이터 위치에 US를 선택합니다. 처리 위치는 데이터 세트 위치를 기준으로 자동 감지되므로 이 단계는 선택사항입니다.
실행을 클릭합니다.
쿼리가 완료되면 쿼리 텍스트 영역 아래의 결과 탭을 클릭합니다. 다음과 같은 결과가 표시됩니다.

명시적 행렬 분해를 수행했으므로 결과에 다음 열이 포함됩니다.
- mean_absolute_error
- mean_squared_error
- mean_squared_log_error
- median_absolute_error
- r2_score
- explained_variance

평가 결과에서 중요 측정항목은 R² 점수입니다. R² 점수는 선형 회귀 예측이 실제 데이터에 가까운지 알 수 있는 통계 척도입니다. 0은 모델이 평균 주위 응답 데이터의 변동성을 전혀 설명하지 못한다는 것을 나타냅니다. 1은 모델이 평균을 기준으로 응답 데이터의 변동성을 모두 설명한다는 것을 나타냅니다.

6단계: 모델을 사용하여 평점 예측 및 추천 생성

사용자 집합의 모든 항목 평점 찾기

ML.RECOMMEND는 모델 이외의 추가 인수를 사용할 필요가 없지만 선택적 테이블을 사용할 수 있습니다. 입력 테이블에 입력 user 또는 입력 item 열의 이름과 일치하는 열이 하나뿐이면 각 user의 예측된 항목 평점이 모두 출력되며 그 반대도 마찬가지입니다. 입력 테이블에 모든 users 또는 모든 items가 있으면 ML.RECOMMEND에 선택적 인수를 전달하지 않는 경우와 동일한 결과가 출력됩니다.

다음은 사용자 5명의 예상 영화 평점을 모두 가져오는 쿼리의 예시입니다.

#standardSQL
SELECT
  *
FROM
  ML.RECOMMEND(MODEL `bqml_tutorial.my_explicit_mf_model`,
    (
    SELECT
      user_id
    FROM
      `movielens.movielens_1m`
    LIMIT 5))

쿼리 세부정보

맨 위에 있는 SELECT 문은 user, item, predicted_rating 열을 검색합니다. 이 마지막 열은 ML.RECOMMEND 함수에 의해 생성됩니다. ML.RECOMMEND 함수를 사용할 때 모델의 출력 열 이름은 predicted_<rating_column_name>입니다. 명시적 행렬 분해 모델에서 predicted_rating은 rating의 추정 값입니다.

ML.RECOMMEND 함수는 bqml_tutorial.my_explicit_mf_model 모델을 사용하여 평점을 예측하는 데 사용됩니다.

이 쿼리의 중첩된 SELECT 문은 학습에 사용된 원본 테이블에서 user_id 열만 선택합니다.

LIMIT절(LIMIT 5)은 ML.RECOMMEND로 전송할 user_id 5개를 무작위로 필터링합니다.

모든 사용자-항목 쌍의 평점 찾기

모델을 평가했으므로 다음 단계는 모델을 사용하여 평점을 예측하는 것입니다. 모델을 사용하여 다음 쿼리에서 모든 사용자-항목 조합의 평점을 예측합니다.

#standardSQL
SELECT
  *
FROM
  ML.RECOMMEND(MODEL `bqml_tutorial.my_explicit_mf_model`)

쿼리 세부정보

ML.RECOMMEND 함수는 bqml_tutorial.my_explicit_mf_model 모델을 사용하여 평점을 예측하는 데 사용됩니다.

결과를 테이블에 저장하는 방법 중 하나는 다음과 같습니다.

#standardSQL
CREATE OR REPLACE TABLE `bqml_tutorial.recommend_1m`
OPTIONS() AS
SELECT
  *
FROM
  ML.RECOMMEND(MODEL `bqml_tutorial.my_explicit_mf_model`)

ML.RECOMMEND에 Query Exceeded Resource Limits 오류가 발생하면 더 높은 결제 등급으로 다시 시도하세요. BigQuery 명령줄 도구에서 --maximum_billing_tier 플래그를 사용하여 설정할 수 있습니다.

쿼리 세부정보

내부 SELECT 문은 추천 결과 테이블의 item_id와 movielens.movie_titles 테이블의 movie_id에 대한 내부 조인을 수행합니다. movielens.movie_titles는 movie_id를 영화 이름에 매핑할 뿐만 아니라 IMDB에 나열된 영화 장르도 포함합니다.

최상위 SELECT 문은 GROUPS BY user_id를 사용해서 movie_title, genre,, predicted_rating를 내림차순으로 집계하여 중첩된 SELECT 문의 결과를 집계하고 상위 5개의 영화만 유지합니다.

ML.RECOMMEND 쿼리 실행

사용자마다 상위 5개의 추천 영화를 출력하는 ML.RECOMMEND 쿼리를 실행하려면 다음 안내를 따르세요.

Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.

쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

#standardSQL
CREATE OR REPLACE TABLE `bqml_tutorial.recommend_1m`
OPTIONS() AS
SELECT
*
FROM
ML.RECOMMEND(MODEL `bqml_tutorial.my_explicit_mf_model`)

실행을 클릭합니다.

쿼리 실행이 완료되면 탐색 패널에 (bqml_tutorial.recommend_1m)가 표시됩니다. 이 쿼리는 CREATE TABLE 문을 사용하여 테이블을 만들기 때문에 쿼리 결과가 표시되지 않습니다.

다른 새 쿼리를 작성합니다. 이전 쿼리 실행이 완료되면 쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

#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

(선택사항) 처리 위치를 설정하려면 더보기 > 쿼리 설정을 클릭합니다. 데이터 위치에 US를 선택합니다. 처리 위치는 데이터 세트 위치를 기준으로 자동 감지되므로 이 단계는 선택사항입니다.
실행을 클릭합니다.
쿼리가 완료되면 쿼리 텍스트 영역 아래의 결과 탭을 클릭합니다. 다음과 같은 결과가 표시됩니다.

INT64 외에 각 movie_id에 대한 추가 메타데이터 정보가 있으므로 각 사용자의 상위 5개 영화에 대한 정보를 볼 수 있습니다. 학습 데이터에 해당하는 movietitles 테이블이 없는 경우 숫자 ID나 해시만으로는 사람이 이해할 수 있는 결과를 얻지 못할 수 있습니다.

계수당 상위 장르

각 잠재 계수가 어떤 장르와 상관 관계가 있는지 알아보려면 다음 쿼리를 실행합니다.

#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

쿼리 세부정보

가장 안쪽의 SELECT 문은 item_id 또는 영화 계수 가중치 배열을 가져온 다음 이를 movielens.movie_titles 테이블과 조인하여 각 항목 ID의 장르를 가져옵니다.

그 결과는 각 factor_weights 배열과 CROSS JOIN되고 그러면 ORDER BY feature, weight DESC가 됩니다.

마지막으로, 최상위 SELECT 문은 내부 문의 결과를 factor로 집계하고 각 장르의 가중치에 따라 각 계수의 배열을 만듭니다.

쿼리 실행

계수당 상위 10개의 영화 장르를 출력하는 위의 쿼리를 실행하려면 다음 안내를 따르세요.

Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.
쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

#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

(선택사항) 처리 위치를 설정하려면 더보기 > 쿼리 설정을 클릭합니다. 데이터 위치에 US를 선택합니다. 처리 위치는 데이터 세트 위치를 기준으로 자동 감지되므로 이 단계는 선택사항입니다.
실행을 클릭합니다.
쿼리가 완료되면 쿼리 텍스트 영역 아래의 결과 탭을 클릭합니다. 다음과 같은 결과가 표시됩니다.

삭제

이 튜토리얼에서 사용된 리소스 비용이 Google Cloud 계정에 청구되지 않도록 하려면 리소스가 포함된 프로젝트를 삭제하거나 프로젝트를 유지하고 개별 리소스를 삭제하세요.

만든 프로젝트를 삭제할 수 있습니다.
또는 프로젝트를 유지하고 데이터 세트를 삭제할 수 있습니다.

데이터 세트 삭제

프로젝트를 삭제하면 프로젝트의 데이터 세트와 테이블이 모두 삭제됩니다. 프로젝트를 다시 사용하려면 이 가이드에서 만든 데이터 세트를 삭제할 수 있습니다.

필요한 경우 Google Cloud 콘솔에서 BigQuery 페이지를 엽니다.

BigQuery 페이지로 이동
앞서 만든 bqml_tutorial 데이터 세트를 탐색에서 선택합니다.
창의 오른쪽에 있는 데이터 세트 삭제를 클릭합니다. 데이터 세트, 테이블, 모든 데이터가 삭제됩니다.
데이터 세트 삭제 대화상자에서 데이터 세트 이름(bqml_tutorial)을 입력하여 삭제 명령어를 확인한 후 삭제를 클릭합니다.

프로젝트 삭제

프로젝트를 삭제하는 방법은 다음과 같습니다.

주의: 프로젝트를 삭제하면 다음과 같은 효과가 발생합니다.

프로젝트의 모든 항목이 삭제됩니다. 이 문서의 태스크에 기존 프로젝트를 사용한 경우 프로젝트를 삭제하면 프로젝트에서 수행한 다른 작업도 삭제됩니다.
커스텀 프로젝트 ID가 손실됩니다. 이 프로젝트를 만들 때 앞으로 사용할 커스텀 프로젝트 ID를 만들었을 수 있습니다. appspot.com URL과 같이 프로젝트 ID를 사용하는 URL을 보존하려면 전체 프로젝트를 삭제하는 대신 프로젝트 내에서 선택한 리소스만 삭제합니다.

여러 아키텍처, 튜토리얼, 빠른 시작을 살펴보려는 경우 프로젝트를 재사용하면 프로젝트 할당량 한도 초과를 방지할 수 있습니다.

In the Google Cloud console, go to the Manage resources page.
Go to Manage resources
In the project list, select the project that you want to delete, and then click Delete.
In the dialog, type the project ID, and then click Shut down to delete the project.

다음 단계

머신러닝 단기집중과정을 참조하여 머신러닝 알아보기
BigQuery ML 개요는 BigQuery ML 소개를 참조하세요.
Google Cloud 콘솔에 대한 자세한 내용은 Google Cloud 콘솔 사용을 참조하세요.