BigQuery ML을 사용하여 Google 애널리틱스 데이터에서 추천 생성

---

참고: 행렬 분해 모델은 용량 기반 고객 또는 예약이 있는 고객에게만 제공됩니다.

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 튜토리얼에서는 GA360_test.ga_sessions_sample 샘플 테이블을 사용하여 암시적 피드백에서 행렬 분해 모델을 만들어 방문자 ID와 콘텐츠 ID를 기반으로 추천을 생성하는 방법을 알아봅니다.

ga_sessions_sample 테이블에는 Google 애널리틱스 360에서 수집하여 BigQuery로 전송된 세션 데이터 슬라이스의 정보가 포함되어 있습니다.

목표

이 튜토리얼에서는 다음을 사용합니다.

• BigQuery ML: CREATE MODEL 문을 사용하여 암시적 추천 모델을 만듭니다.
• ML.EVALUATE 함수: ML 모델을 평가합니다.
• ML.WEIGHTS 함수: 학습 중에 생성된 잠재 계수 가중치를 검사합니다.
• ML.RECOMMEND 함수: 사용자를 위한 추천을 생성합니다.

비용

이 튜토리얼에서는 비용이 청구될 수 있는 다음과 같은 Google Cloud 구성요소를 사용합니다.

• 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

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. 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.

1. Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.

   BigQuery 페이지로 이동

2. 탐색기 창에서 프로젝트 이름을 클릭합니다.

3. 작업 보기 > 데이터 세트 만들기를 클릭합니다.

   

4. 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: BigQuery에 애널리틱스 360 데이터 로드

대부분의 경우 데이터의 평점은 사용자가 명시적으로 설정한 값을 반영하지 않습니다. 이 시나리오에서는 이러한 값의 프록시 값을 암시적 평점으로 설정하고 다른 알고리즘을 사용하여 추천을 계산할 수 있습니다. 이 예시에서는 애널리틱스 360 데이터 세트의 샘플을 사용합니다. 이 샘플은 이 자료를 기반으로 합니다.

다음은 방문자가 cloud-training-demos.GA360_test.ga_sessions_sample의 페이지에서 세션 시간 동안 지정한 암시적 평점으로 데이터 세트를 만들기 위해 실행하는 쿼리입니다. 이 쿼리의 목표는 사용자 열, 항목 열, 평점 열에 매핑할 수 있는 세 개의 열이 있는 데이터세트를 만드는 것입니다.

1. Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.

2. 쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

   #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. (선택사항) 처리 위치를 설정하려면 더보기 > 쿼리 설정을 클릭합니다. 데이터 위치에 US를 선택합니다. 처리 위치는 데이터 세트 위치를 기준으로 자동 감지되므로 이 단계는 선택사항입니다.

   

4. 실행을 클릭합니다.

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

5. 생성된 테이블을 살펴보면 다음과 같이 표시됩니다.

   

   이 결과는 데이터를 BigQuery로 내보낸 방식에 따라 달라집니다. 자체 데이터를 추출하는 쿼리는 다를 수 있습니다.

3단계: 암시적 추천 모델 만들기

다음으로는 이전 단계에서 로드한 Google 애널리틱스 테이블을 사용하여 암시 적 추천 모델을 만듭니다. 다음 GoogleSQL 쿼리는 모든 visitorId contentId 쌍의 신뢰도 평점 예측에 사용되는 모델을 만드는 데 사용됩니다. 평점은 중앙 세션 시간을 기준으로 중앙값 및 배율로 생성되며, 세션 기간이 이상점으로 중앙값의 3.33배를 초과하는 레코드를 필터링합니다.

#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

쿼리 세부정보

CREATE MODEL 절을 사용하여 bqml_tutorial.my_implicit_mf_model이라는 모델을 만들고 학습시킵니다.

OPTIONS(model_type='matrix_factorization', feedback_type='IMPLICIT', user_col='visitorId', ...) 절은 행렬 분해 모델을 만든다는 것을 나타냅니다. feedback_type='IMPLICIT'가 지정되었으므로 암시적 행렬 분해 모델이 학습됩니다. 명시적 행렬 분해 모델을 만드는 방법의 예시는 명시적인 행렬 분해 모델 만들기에 설명되어 있습니다.

이 쿼리의 SELECT 문은 다음 열을 사용하여 추천을 생성합니다.

• visitorId: 방문자 ID(INT64)
• contentId: 콘텐츠 ID(INT64)
• rating: visitorId 및 각 해당 contentId의 중앙값과 배율에 대해 계산된 0부터 1까지의 암시적 평가(FLOAT64)

FROM 절(bqml_tutorial.analytics_session_data)은 bqml_tutorial 데이터 세트에서 analytics_session_data 테이블을 쿼리함을 나타냅니다. 2단계와 8단계의 안내를 따른 경우 이 데이터 세트는 BigQuery 프로젝트에 있습니다.

CREATE MODEL 쿼리 실행

CREATE MODEL 쿼리를 실행하여 모델을 만들고 학습시키려면 다음 안내를 따르세요.

1. Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.

2. 쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

   #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. 실행을 클릭합니다.

   쿼리를 완료하는 데 약 12분이 소요되며 이후에는 모델(my_implicit_mf_model)이 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.

1. Google Cloud 콘솔 탐색 패널의 리소스 섹션에서 [PROJECT_ID] > bqml_tutorial을 펼친 후 my_implicit_mf_model을 클릭합니다.

2. 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_implicit_mf_model`)

쿼리 세부정보

맨 위에 있는 SELECT 문은 모델의 열을 검색합니다.

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

ML.EVALUATE 쿼리 실행

모델을 평가하는 ML.EVALUATE 쿼리를 실행하려면 다음 안내를 따르세요.

1. Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.

2. 쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

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

3. (선택사항) 처리 위치를 설정하려면 더보기 > 쿼리 설정을 클릭합니다. 데이터 위치에 US를 선택합니다. 처리 위치는 데이터 세트 위치를 기준으로 자동 감지되므로 이 단계는 선택사항입니다.

   

4. 실행을 클릭합니다.

5. 쿼리가 완료되면 쿼리 텍스트 영역 아래의 결과 탭을 클릭합니다. 다음과 같은 결과가 표시됩니다.

   

   암시적 행렬 분해를 수행했으므로 결과에 다음 열이 포함됩니다.

   • mean_average_precision
   • mean_squared_error
   • normalized_discounted_cumulative_gain
   • average_rank

   mean_average_precision, normalized_discounted_cumulative_gain, average_rank는 암시적인 행렬 분해 측정항목에서 설명한 순위 측정항목입니다.

6단계: 평점 예측 및 추천 생성

모델을 사용하여 평점을 예측하고 추천을 생성합니다.

visitorIds 세트의 모든 contentId 평점 신뢰도 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 방문자 5명의 예상 평점 신뢰도를 모두 가져오는 쿼리의 예시입니다.

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

쿼리 세부정보

맨 위에 있는 SELECT 문은 visitorId, contentId, predicted_rating_confidence 열을 검색합니다. 이 마지막 열은 ML.RECOMMEND 함수에 의해 생성됩니다. ML.RECOMMEND 함수를 사용할 때 암시적 행렬 분해 모델의 출력 열 이름은 predicted_rating-column-name_confidence입니다. 암시적 행렬 분해 모델에서 predicted_rating_confidence는 user/item 쌍의 추정 신뢰도입니다. 이 신뢰값은 대략 0에서 1 사이이며, 신뢰도가 높을수록 user가 해당 item을 신뢰값이 더 낮은 item보다 선호함을 나타냅니다.

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

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

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

모든 visitorId contentId 쌍의 평점 찾기

모델을 평가했으므로 다음 단계는 모델을 사용하여 평점 신뢰도를 확인하는 것입니다. 모델을 사용하여 다음 쿼리에서 모든 사용자-항목 조합의 신뢰도를 예측합니다.

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

쿼리 세부정보

맨 위에 있는 SELECT 문은 visitorId, contentId, predicted_rating_confidence 열을 검색합니다. 이 마지막 열은 ML.RECOMMEND 함수에 의해 생성됩니다. ML.RECOMMEND 함수를 사용할 때 암시적 행렬 분해 모델의 출력 열 이름은 predicted_rating-column-name_confidence입니다. 암시적 행렬 분해 모델에서 predicted_rating_confidence는 user/item 쌍의 추정 신뢰도입니다. 이 신뢰값은 대략 0에서 1 사이이며, 신뢰도가 높을수록 user가 해당 item을 신뢰값이 더 낮은 item보다 선호함을 나타냅니다.

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

참고: 이 쿼리는 모든 쌍의 예측 평점을 생성합니다. 따라서 출력이 다소 클 수 있습니다. 출력을 테이블에 저장한 후에 다른 쿼리에서 분석에 사용하는 것이 좋습니다.

결과를 테이블에 저장하는 방법 중 하나는 다음과 같습니다.

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

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

추천 생성

다음 쿼리는 ML.RECOMMEND를 사용하여 visitorId마다 상위 5개의 추천 contentId를 출력합니다.

#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

쿼리 세부정보

SELECT 문은 GROUP BY visitorId를 사용해서 contentId와 predicted_rating_confidence를 내림차순으로 집계하여 ML.RECOMMEND 쿼리의 결과를 집계하고 상위 5개의 콘텐츠 ID만 유지합니다.

이전의 추천 쿼리를 사용하여 예측 평점을 기준으로 정렬하고 각 사용자의 최상위 예측 항목을 출력할 수 있습니다. 다음 쿼리는 item_ids를 이전에 업로드된 movielens.movie_titles 테이블에 있는 movie_ids와 조인하고 사용자마다 상위 5개의 추천 영화를 출력합니다.

ML.RECOMMEND 쿼리 실행

방문자 ID당 상위 5개의 추천 콘텐츠 ID를 출력하는 ML.RECOMMEND 쿼리를 실행하려면 다음 안내를 따르세요.

1. Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.

2. 쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

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

3. 실행을 클릭합니다.

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

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

   #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. (선택사항) 처리 위치를 설정하려면 더보기 > 쿼리 설정을 클릭합니다. 데이터 위치에 US를 선택합니다. 처리 위치는 데이터 세트 위치를 기준으로 자동 감지되므로 이 단계는 선택사항입니다.

   

6. 실행을 클릭합니다.

7. 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 튜토리얼에서 만든 데이터 세트를 삭제할 수 있습니다.

1. 필요한 경우 Google Cloud 콘솔에서 BigQuery 페이지를 엽니다.

   BigQuery 페이지로 이동

2. 앞서 만든 bqml_tutorial 데이터 세트를 탐색에서 선택합니다.

3. 창의 오른쪽에 있는 데이터 세트 삭제를 클릭합니다. 데이터 세트, 테이블, 모든 데이터가 삭제됩니다.

4. 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.

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.

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.