Utilizzare BigQuery ML per generare consigli dai dati di Google Analytics

---

Nota: i modelli di fattorizzazione matriciale sono disponibili solo per i clienti con prenotazioni. Per ulteriori informazioni, consulta la sezione Prezzi.

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 utilizzando query SQL. L'obiettivo è democratizzare il machine learning consentendo a chi utilizza SQL di creare modelli con i propri strumenti esistenti e aumentare la velocità di sviluppo attraverso l'eliminazione della necessità di spostare i dati.

In questo tutorial imparerai a creare un modello di fattorizzazione matriciale da feedback impliciti utilizzando la GA360_test.ga_sessions_sample tabella di esempio per fornire consigli in base a un ID visitatore e a un ID contenuto.

La tabella ga_sessions_sample contiene informazioni su un segmento di dati sulle sessioni raccolti da Google Analytics 360 e inviati a BigQuery.

Obiettivi

In questo tutorial utilizzi quanto segue:

• BigQuery ML: per creare un modello di consigli impliciti utilizzando l'istruzione CREATE MODEL.
• La funzione ML.EVALUATE: per valutare i modelli ML.
• La funzione ML.WEIGHTS: per ispezionare i pesi dei fattori latenti generati durante l'addestramento.
• La funzione ML.RECOMMEND: per produrre consigli 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

1. 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.

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

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

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

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

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

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

6. BigQuery viene attivato automaticamente nei nuovi progetti. Per attivare BigQuery in un progetto preesistente, vai a

   Enable the BigQuery API.

   Enable the API

Passaggio 1: crea il set di dati

Crea un set di dati BigQuery per archiviare il tuo modello ML:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai alla pagina BigQuery

2. Nel riquadro Explorer, fai clic sul nome del progetto.

3. Fai clic su Visualizza azioni > Crea set di dati.

   

4. 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 nella US multiregione. Per semplicità, archivia il set di dati nella stessa posizione.

   • Lascia invariate le restanti impostazioni predefinite e fai clic su Crea set di dati.

     

Passaggio 2: carica i dati di Analytics 360 in BigQuery

Nella maggior parte dei casi, le valutazioni nei tuoi dati non riflettono un valore impostato esplicitamente da un utente. In questi scenari, possiamo creare un proxy per questi valori come una valutazione implicita e utilizzare un algoritmo diverso per calcolare i consigli. In questo esempio, utilizzeremo un set di dati di Analytics 360 di esempio. Questo esempio si basa sul seguente articolo.

Di seguito è riportata una query da eseguire per creare un set di dati con valutazioni implicite dalla durata della sessione di un visitatore su una pagina di cloud-training-demos.GA360_test.ga_sessions_sample. Lo scopo di questa query è creare un set di dati con tre colonne che possiamo mappare a una colonna utente, una colonna articolo e una colonna di valutazione.

1. Nella console Google Cloud, fai clic sul pulsante Crea nuova query.

2. Inserisci la seguente query GoogleSQL nell'area di testo Editor query.

   #standardSQL
   CREATE OR REPLACE TABLE
    bqml_tutorial.analytics_session_data AS
   WITH
    visitor_page_content AS (
    SELECT
      fullVisitorID,
      (
      SELECT
        MAX(
        IF
          (index=10,
            value,
            NULL))
      FROM
        UNNEST(hits.customDimensions)) AS latestContentId,
      (LEAD(hits.time, 1)
        OVER (PARTITION BY fullVisitorId ORDER BY hits.time ASC) - hits.time)
                AS session_duration
    FROM
      `cloud-training-demos.GA360_test.ga_sessions_sample`,
      UNNEST(hits) AS hits
    WHERE
      # only include hits on pages
      hits.type = "PAGE"
    GROUP BY
      fullVisitorId,
      latestContentId,
      hits.time )
    # aggregate web stats
   SELECT
    fullVisitorID AS visitorId,
    latestContentId AS contentId,
    SUM(session_duration) AS session_duration
   FROM
    visitor_page_content
   WHERE
    latestContentId IS NOT NULL
   GROUP BY
    fullVisitorID,
    latestContentId
   HAVING
    session_duration > 0
   ORDER BY
    latestContentId

3. (Facoltativo) Per impostare la località 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 posizione del set di dati.

   

4. Fai clic su Esegui.

   Al termine dell'esecuzione della query, nel pannello di navigazione viene visualizzato il valore (bqml_tutorial.analytics_session_data). Poiché la query utilizza un'istruzione CREATE TABLE per creare una tabella, non vengono visualizzati i risultati della query.

5. Se dai un'occhiata alla tabella prodotta, dovrebbe avere un aspetto simile al seguente:

   

   Tieni presente che questo risultato è specifico per il modo in cui i dati sono stati esportati in BigQuery. La query per estrarre i tuoi dati potrebbe essere diversa.

Passaggio 3: crea il modello di suggerimenti impliciti

A questo punto, crea un modello di consigli impliciti utilizzando la tabella di Google Analytics caricata nel passaggio precedente. La seguente query GoogleSQL viene utilizzata per creare il modello che verrà utilizzato per prevedere una valutazione dell'affidabilità per ogni coppia visitorId contentId. Viene creata una valutazione con il centro e la scalatura in base alla durata media della sessione e i record in cui la durata della sessione è più di 3, 33 volte la media vengono filtrati come valori anomali.

#standardSQL
CREATE OR REPLACE MODEL `bqml_tutorial.my_implicit_mf_model`
OPTIONS
  (model_type='matrix_factorization',
   feedback_type='implicit',
   user_col='visitorId',
   item_col='contentId',
   rating_col='rating',
   l2_reg=30,
   num_factors=15) AS
SELECT
  visitorId,
  contentId,
  0.3 * (1 + (session_duration - 57937) / 57937) AS rating
FROM `bqml_tutorial.analytics_session_data`
WHERE 0.3 * (1 + (session_duration - 57937) / 57937) < 1

Dettagli query

La clausola CREATE MODEL viene utilizzata per creare e addestrare il modello denominato bqml_tutorial.my_implicit_mf_model.

La clausola OPTIONS(model_type='matrix_factorization', feedback_type='IMPLICIT', user_col='visitorId', ...) indica che stai creando un modello di fattorizzazione matriciale. Poiché è specificato feedback_type='IMPLICIT', verrà addestrato un modello di fattorizzazione matriciale implicita. Un esempio di come creare un modello di fattorizzazione matriciale esplicito è spiegato in Creare un modello di fattorizzazione matriciale esplicito.

L'istruzione SELECT di questa query utilizza le seguenti colonne per generare consigli.

• visitorId: l'ID visitatore (INT64).
• contentId: l'ID contenuto (INT64).
• rating: la valutazione implicita da 0 a 1 calcolata per visitorId e i rispettivi contentId centrati e scalati (FLOAT64).

La clausola FROM, bqml_tutorial.analytics_session_data, indica che stai eseguendo query sulla tabella analytics_session_data nel set di dati bqml_tutorial. Questo set di dati si trova nel tuo progetto BigQuery se sono state seguite le istruzioni dei passaggi 2 e 8.

Esegui la query CREATE MODEL

Per eseguire la query CREATE MODEL in modo da creare e addestrare il modello:

1. Nella console Google Cloud, fai clic sul pulsante Crea nuova query.

2. Inserisci la seguente query GoogleSQL nell'area di testo Editor query.

   #standardSQL
   CREATE OR REPLACE MODEL `bqml_tutorial.my_implicit_mf_model`
   OPTIONS
    (model_type='matrix_factorization',
     feedback_type='implicit',
     user_col='visitorId',
     item_col='contentId',
     rating_col='rating',
     l2_reg=30,
     num_factors=15) AS
   SELECT
    visitorId,
    contentId,
    0.3 * (1 + (session_duration - 57937) / 57937) AS rating
   FROM `bqml_tutorial.analytics_session_data`

3. Fai clic su Esegui.

   Il completamento della query richiede circa 12 minuti, dopodiché il tuo modello (my_implicit_mf_model) viene visualizzato nel pannello di navigazione. Poiché la query utilizza un'istruzione CREATE MODEL per creare un modello, non vengono visualizzati i risultati della query.

(Facoltativo) Passaggio 4: ottieni le statistiche di addestramento

Per visualizzare i risultati dell'addestramento del modello, puoi utilizzare la funzione ML.TRAINING_INFO o visualizzare le statistiche nella console Google Cloud. In questo tutorial utilizzi la console Google Cloud.

Un algoritmo di machine learning crea un modello esaminando molti esempi e tentando di trovare un modello che minimizzi la perdita. Questo processo è noto come minimizzazione empirica del rischio.

Per visualizzare le statistiche di addestramento del modello generate durante l'esecuzione della queryCREATE MODEL:

1. Nel pannello di navigazione della console Google Cloud, nella sezione Risorse, espandi [PROJECT_ID] > bqml_tutorial e poi fai clic su my_implicit_mf_model.

2. Fai clic sulla scheda Addestramento e quindi su Tabella. I risultati dovrebbero essere simili ai seguenti:

   

   La colonna Perdita di dati di addestramento rappresenta la metrica relativa alla perdita calcolata dopo che il modello è stato addestrato sul set di dati di addestramento. Poiché hai eseguito la fattorizazione della matrice, questa colonna è l'errore quadratico medio. Per impostazione predefinita, i modelli di fattorizzazione della matrice non suddividono i dati, pertanto la colonna Perdita dati di valutazione non sarà presente a meno che non venga specificato un set di dati di controllo, in quanto la suddivisione dei dati potrebbe comportare la perdita di tutte le valutazioni per un utente o un articolo. Di conseguenza, il modello non avrà informazioni sui fattori latenti relativi a utenti o elementi mancanti.

   Per maggiori dettagli sulla funzione ML.TRAINING_INFO, consulta il riferimento alla sintassi di BigQuery ML.

Passaggio 5: valuta il modello

Dopo aver creato il modello, valuterai le prestazioni del motore per suggerimenti utilizzando la funzione ML.EVALUATE. La funzione ML.EVALUATE valuta le valutazioni previste rispetto a quelle effettive.

La query utilizzata per valutare il modello è la seguente:

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

Dettagli query

L'istruzione SELECT più in alto recupera le colonne dal modello.

La clausola FROM utilizza la funzione ML.EVALUATE sul tuo modello: bqml_tutorial.my_implicit_mf_model.

Esegui la query ML.EVALUATE

Per eseguire la query ML.EVALUATE che valuta il modello:

1. Nella console Google Cloud, fai clic sul pulsante Crea nuova query.

2. Inserisci la seguente query GoogleSQL nell'area di testo Editor query.

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

3. (Facoltativo) Per impostare la località 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 posizione del set di dati.

   

4. Fai clic su Esegui.

5. Una volta completata la query, fai clic sulla scheda Risultati sotto l'area di testo della query. I risultati dovrebbero essere simili ai seguenti:

   

   Poiché hai eseguito una fattorizzazione della matrice implicita, i risultati includono le seguenti colonne:

   • mean_average_precision
   • mean_squared_error
   • normalized_discounted_cumulative_gain
   • average_rank

   mean_average_precision, normalized_discounted_cumulative_gain e average_rank sono metriche di ranking spiegate qui: Metriche di fattorizzazione matriciale implicita

Passaggio sei: prevedi le valutazioni e dai consigli

Utilizza il modello per prevedere le valutazioni e dare consigli

Trovare tutte le contentId attendibilità della classificazione per un insieme di visitorIds

ML.RECOMMEND non deve accettare altri argomenti oltre al modello, ma può accettare una tabella facoltativa. Se la tabella di input ha una sola colonna che corrisponde al nome della colonna user o item di input, verranno visualizzate tutte le valutazioni degli articoli previste per ogni user e viceversa. Tieni conto che se tutti i valori users o items sono presenti nella tabella di input, verranno visualizzati gli stessi risultati che si ottengono se non viene passato alcun argomento facoltativo a ML.RECOMMEND.

Di seguito è riportato un esempio di query per recuperare tutte le confidenze della stima della valutazione per 5 visitatori.

#standardSQL
SELECT
  *
FROM
  ML.RECOMMEND(MODEL `bqml_tutorial.my_implicit_mf_model`,
    (
    SELECT
      visitorId
    FROM
      `bqml_tutorial.analytics_session_data`
    LIMIT 5))

Dettagli query

L'istruzione SELECT più in alto recupera le colonne visitorId, contentId e predicted_rating_confidence. Questa ultima colonna viene generata dalla funzione ML.RECOMMEND. Quando utilizzi la funzione ML.RECOMMEND, il nome della colonna di output per i modelli di fattorizzazione matriciale implicita è predicted_rating-column-name_confidence. Per i modelli di fattorizzazione matriciale implicita, predicted_rating_confidence è l'affidabilità stimata per la coppia user/item. Questo valore di affidabilità si aggira tra 0 e 1, dove un valore di confidenza più elevato indica che user preferisce item più di un item con un valore di affidabilità inferiore.

La funzione ML.RECOMMEND viene utilizzata per prevedere le valutazioni utilizzando il modello bqml_tutorial.my_implicit_mf_model.

L'istruzione SELECT nidificata di questa query seleziona solo la colonna visitorId dalla tabella originale utilizzata per l'addestramento.

La clausola LIMIT (LIMIT 5) filtrerà in modo casuale 5 visitorId da inviare a ML.RECOMMEND.

Trovare le classificazioni per tutte le coppie di visitorId e contentId

Ora che hai valutato il modello, il passaggio successivo consiste nell'utilizzarlo per ottenere un'esattezza della classificazione. Utilizzi il tuo modello per prevedere gli intervalli di confidenza di ogni combinazione di utente e articolo nella seguente query:

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

Dettagli query

L'istruzione SELECT più in alto recupera le colonne visitorId, contentId e predicted_rating_confidence. Questa ultima colonna viene generata dalla funzione ML.RECOMMEND. Quando utilizzi la funzione ML.RECOMMEND, il nome della colonna di output per i modelli di fattorizzazione matriciale implicita è predicted_rating-column-name_confidence. Per i modelli di fattorizzazione matriciale implicita, predicted_rating_confidence è l'affidabilità stimata per la coppia user/item. Questo valore di affidabilità si colloca approssimativamente tra 0 e 1, dove un valore di affidabilità più elevato indica che user preferisce item più di un item con un valore di affidabilità più basso.

La funzione ML.RECOMMEND viene utilizzata per prevedere le valutazioni utilizzando il modello bqml_tutorial.my_implicit_mf_model.

Nota: questa query genera una valutazione prevista per ogni coppia. Di conseguenza, l'output può essere piuttosto grande. È consigliabile salvare l'output in una tabella che viene poi utilizzata in altre query per l'analisi.

Un modo per salvare il risultato nella tabella è:

#standardSQL
CREATE OR REPLACE TABLE `bqml_tutorial.recommend_content`
OPTIONS() AS
SELECT
  *
FROM
  ML.RECOMMEND(MODEL `bqml_tutorial.my_implicit_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 BigQuery, questo valore può essere impostato utilizzando --maximum_billing_tier.

Genera suggerimenti

La seguente query utilizza ML.RECOMMEND per produrre i 5 contentId consigliati più importanti per visitorId.

#standardSQL
SELECT
  visitorId,
  ARRAY_AGG(STRUCT(contentId, predicted_rating_confidence)
    ORDER BY predicted_rating_confidence DESC LIMIT 5) AS rec
FROM
  `bqml_tutorial.recommend_content`
GROUP BY
  visitorId

Dettagli query

L'istruzione SELECT aggrega i risultati della query ML.RECOMMEND utilizzando GROUP BY visitorId per aggregare contentId e predicted_rating_confidence in ordine decrescente e conserva solo i primi 5 ID contenuto.

Utilizzando la query sui consigli precedente, possiamo ordinare in base alla valutazione prevista e visualizzare gli articoli previsti principali per ciascun utente. La seguente query unisce item_ids con movie_ids trovato nella tabella movielens.movie_titles caricata in precedenza e restituisce i 5 film consigliati più popolari per utente.

Esegui la query ML.RECOMMEND

Per eseguire la query ML.RECOMMEND che restituisce i 5 ID contenuti consigliati più importanti per ID visitatore:

1. Nella console Google Cloud, fai clic sul pulsante Crea nuova query.

2. Inserisci la seguente query GoogleSQL nell'area di testo Editor query.

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

3. Fai clic su Esegui.

   Al termine dell'esecuzione della query, (bqml_tutorial.recommend_content) verrà visualizzato nel pannello di navigazione della console Google Cloud. Poiché la query utilizza un'istruzione CREATE TABLE per creare una tabella, non vengono visualizzati i risultati della query.

4. Crea un'altra nuova query. Inserisci la seguente query GoogleSQL nell'area di testo Editor di query al termine dell'esecuzione della query precedente.

   #standardSQL
   SELECT
    visitorId,
    ARRAY_AGG(STRUCT(contentId, predicted_rating_confidence)
      ORDER BY predicted_rating_confidence DESC LIMIT 5) AS rec
   FROM
    `bqml_tutorial.recommend_content`
   GROUP BY
    visitorId

5. (Facoltativo) Per impostare la località 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 posizione del set di dati.

   

6. Fai clic su Esegui.

7. Una volta completata la query, fai clic sulla scheda Risultati sotto l'area di testo della query. I risultati dovrebbero essere simili ai seguenti:

   

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 conservare il progetto ed eliminare il set di dati.

Eliminare 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 creato in questo tutorial:

1. Se necessario, apri la pagina BigQuery nella console Google Cloud.

   Vai alla pagina BigQuery

2. Nella barra di navigazione, fai clic sul set di dati bqml_tutorial che hai creato.

3. 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.

4. Nella finestra di dialogo Elimina set di dati, conferma il comando di eliminazione digitando il nome del set di dati (bqml_tutorial) e fai clic su Elimina.

Elimina il progetto

Per eliminare il progetto:

Attenzione: l'eliminazione di un progetto ha i seguenti effetti:

• L'intero contenuto del progetto viene eliminato. Se hai utilizzato un progetto esistente per le attività descritte in questo documento, quando lo elimini elimini anche tutto il lavoro svolto nel progetto.
• Gli ID progetto personalizzati non sono più disponibili. Quando hai creato questo progetto, potresti aver creato un ID progetto personalizzato che vuoi utilizzare in futuro. Per conservare gli URL che utilizzano l'ID progetto, ad esempio un appspot.com URL, elimina le risorse selezionate all'interno del progetto anziché eliminare l'intero progetto.

Se intendi esplorare più architetture, tutorial o guide rapide, il riuso dei progetti può aiutarti a non superare i limiti di quota.

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.

Passaggi successivi

• Per saperne di più sul machine learning, consulta Machine Learning Crash Course.
• Per una panoramica di BigQuery ML, consulta Introduzione a BigQuery ML.
• Per scoprire di più sulla console Google Cloud, consulta Utilizzare la console Google Cloud.