TRANSFORM 절을 사용하여 특성 추출 수행

이 튜토리얼에서는 데이터 분석가를 위한 BigQuery ML을 소개합니다. BigQuery ML을 사용 설정하면 사용자는 BigQuery에서 SQL 쿼리를 사용하여 머신러닝 모델을 만들고 실행할 수 있습니다. 이 가이드에서는 TRANSFORM 절을 사용하여 특성을 추출하는 방법을 설명합니다. 모델을 만들 때 TRANSFORM 절을 사용하면 모든 사전 처리를 지정할 수 있습니다. 지정된 사전 처리는 머신러닝의 예측 및 평가 단계에서 자동으로 적용됩니다.

이 가이드에서는 natality 샘플 테이블을 사용하여 아기의 성별, 임신 기간, 산모의 버킷화된 인구통계 정보를 기준으로 아이의 출생 시 체중을 예측하는 모델을 만듭니다. natality 샘플 테이블에는 40년간 미국 내 모든 출생 정보가 포함되어 있습니다.

목표

이 가이드에서는 다음을 수행합니다.

BigQuery ML에서 CREATE MODEL 문을 TRANSFORM 절과 함께 사용하여 선형 회귀 모델 만들기
ML.FEATURE_CROSS 및 ML.QUANTILE_BUCKETIZE 사전 처리 함수
ML.EVALUATE 함수를 사용하여 ML 모델 평가
ML.PREDICT 함수를 사용하여 ML 모델로 예측

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.

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

Google Cloud 프로젝트에 결제가 사용 설정되어 있는지 확인합니다.

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

Go to project selector

Google Cloud 프로젝트에 결제가 사용 설정되어 있는지 확인합니다.

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: 모델 만들기

다음으로 BigQuery용 출생률 샘플 테이블을 사용하여 선형 회귀 모델을 만듭니다. 다음 GoogleSQL 쿼리는 아이의 출생 시 체중 예측에 사용하는 모델을 만드는 데 사용됩니다.

#standardSQL
CREATE MODEL `bqml_tutorial.natality_model`
TRANSFORM(weight_pounds,
    is_male,
    gestation_weeks,
    ML.QUANTILE_BUCKETIZE(mother_age,
      5) OVER() AS bucketized_mother_age,
    CAST(mother_race AS string) AS mother_race,
    ML.FEATURE_CROSS(STRUCT(is_male,
        CAST(mother_race AS STRING) AS mother_race)) is_male_mother_race)
OPTIONS
  (model_type='linear_reg',
    input_label_cols=['weight_pounds']) AS
SELECT
  *
FROM
  `bigquery-public-data.samples.natality`
WHERE
  weight_pounds IS NOT NULL
  AND RAND() < 0.001

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

쿼리 세부정보

CREATE MODEL 절을 사용하여 bqml_tutorial.natality_model이라는 모델을 만들고 학습시킵니다.

OPTIONS(model_type='linear_reg', input_label_cols=['weight_pounds']) 절은 선형 회귀 모델을 만든다는 것을 나타냅니다. 선형 회귀는 입력 특성의 선형 조합에서 연속 값을 생성하는 회귀 모델의 한 유형입니다. weight_pounds 열은 입력 라벨 열입니다. 선형 회귀 모델에서 라벨 열은 실수치여야 합니다 즉, 열 값이 실수여야 합니다.

이 쿼리의 TRANSFORM 절은 SELECT 문에서 다음 열을 사용합니다.

weight_pounds: 아기 체중이며 단위는 파운드입니다(FLOAT64).
is_male: 아기의 성별입니다. 남아이면 TRUE, 여아이면 FALSE입니다(BOOL).
gestation_weeks: 임신 주 수입니다(INT64).
mother_age: 출산 시 산모의 나이입니다(INT64).
mother_race: 산모의 인종입니다(INT64). 이 정수 값은 테이블 스키마의 child_race 값과 동일합니다. 각 고유 값이 서로 다른 카테고리를 나타내며 BigQuery ML에서 mother_race를 숫자가 아닌 특성으로 강제 처리하기 위해 쿼리는 mother_race를 STRING으로 변환합니다. 인종은 순서와 척도가 있는 정수보다 카테고리로서 더 많은 의미를 가질 수 있으므로 이 변환이 중요합니다.

TRANSFORM 절을 통해 원래 특성이 사전 처리되어 학습에 제공됩니다. 생성되는 열은 다음과 같습니다.

weight_pounds: 변경 없이 있는 그대로 전달됩니다.
is_male: 학습에 전달됩니다.
gestation_weeks: 학습에 전달됩니다.
bucketized_mother_age: ML.QUANTILE_BUCKETIZE() 분석 함수를 사용하여 분위수를 기반으로 mother_age를 버킷화하여 mother_age에서 생성됩니다.
mother_race: 원래 mother_race의 문자열 형식입니다.
is_male_mother_race: ML.FEATURE_CROSS 함수를 사용하여 is_male과 mother_race를 교차해 생성됩니다.

쿼리의 SELECT 문은 TRANSFORM 절에서 사용할 수 있는 열을 제공합니다. 그러나 TRANSFORM 절에서 모든 열을 사용할 필요는 없습니다. 따라서 TRANSFORM 절에서 특성 선택 및 사전 처리를 모두 수행할 수 있습니다.

FROM 절인 bigquery-public-data.samples.natality는 샘플 데이터 세트에서 출생률 샘플 테이블을 쿼리한다는 것을 나타냅니다. 이 데이터 세트는 bigquery-public-data 프로젝트에 있습니다.

WHERE 절인 WHERE weight_pounds IS NOT NULL AND RAND() < 0.001은 체중이 NULL인 행을 제외하고 RAND 함수를 사용하여 데이터의 무작위 샘플을 추출합니다.

`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 MODEL `bqml_tutorial.natality_model`
TRANSFORM(weight_pounds,
    is_male,
    gestation_weeks,
    ML.QUANTILE_BUCKETIZE(mother_age,
      5) OVER() AS bucketized_mother_age,
    CAST(mother_race AS string) AS mother_race,
    ML.FEATURE_CROSS(STRUCT(is_male,
        CAST(mother_race AS STRING) AS mother_race)) is_male_mother_race)
OPTIONS
  (model_type='linear_reg',
    input_label_cols=['weight_pounds']) AS
SELECT
  *
FROM
  `bigquery-public-data.samples.natality`
WHERE
  weight_pounds IS NOT NULL
  AND RAND() < 0.001

실행을 클릭합니다.

이 쿼리는 완료하는 데 약 30초가 소요되며, 이후에는 모델(natality_model)이 탐색 패널에 표시됩니다. 이 쿼리에서는 CREATE MODEL 문을 사용하여 테이블을 만들므로 쿼리 결과가 표시되지 않습니다.

3단계(선택사항): 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 예를 검사하고 손실을 최소화하는 모델을 찾으려고 시도함으로써 모델을 빌드합니다. 이 프로세스를 경험적 위험 최소화라고 합니다.

손실은 잘못된 예측에 대한 페널티입니다. 예를 들면 모델 예측이 얼마나 잘못되었는지를 나타내는 숫자입니다. 모델 예측이 완벽하면 손실은 0이고 그렇지 않으면 손실이 커집니다. 모델 학습의 목표는 모든 예시에서 평균적으로 손실이 적은 가중치와 편향의 집합을 찾는 것입니다.

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

Google Cloud 콘솔 탐색 패널의 리소스 섹션에서 project-name > bqml_tutorial을 확장한 다음 natality_model
학습 탭을 클릭하고 보기 옵션에서 테이블 옵션을 선택합니다. 다음과 같은 결과가 표시됩니다.
```
+-----------+--------------------+----------------------+--------------------+
| Iteration | Training data loss | Evaluation data loss | Duration (seconds) |
+-----------+--------------------+----------------------+--------------------+
| 0         | 1.6640             | 1.7352               | 6.27               |
+-----------+--------------------+----------------------+--------------------+
```
학습 데이터 손실 열은 학습 데이터 세트에서 모델 학습이 진행된 후 계산된 손실 측정항목을 나타냅니다. 선형 회귀를 수행했으므로 이 열은 평균 제곱 오차입니다.

평가 데이터 손실 열은 홀드아웃 데이터 세트(모델을 검사하도록 학습에서 보류된 데이터)에서 계산된 손실 통계와 동일합니다. 학습에 사용되는 기본 최적화 전략은 'normal_equation'이므로 반복 1회만 최종 모델에 수렴하면 됩니다.

optimize_strategy 옵션에 대한 자세한 내용은 CREATE MODEL 문을 참조하세요.

ML.TRAINING_INFO 함수와 'optimize_strategy' 학습 옵션에 대한 자세한 내용은 BigQuery ML 구문 참조를 확인하세요.

4단계: 모델 평가

모델을 만든 후에는 ML.EVALUATE 함수를 사용하여 분류 기준의 성능을 평가합니다. ML.EVALUATE 함수는 실제 데이터를 기준으로 예측 값을 평가합니다.

모델을 평가하는 데 사용되는 쿼리는 다음과 같습니다.

#standardSQL
SELECT
  *
FROM
  ML.EVALUATE(MODEL `bqml_tutorial.natality_model`,
    (
    SELECT
      *
    FROM
      `bigquery-public-data.samples.natality`
    WHERE
      weight_pounds IS NOT NULL))

쿼리 세부정보

상단에 있는 SELECT 문은 모델에서 열을 검색합니다.

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

이 쿼리의 중첩된 SELECT 문과 FROM 절은 CREATE MODEL 쿼리와 동일합니다. 학습에서는 TRANSFORM 절이 사용되므로 특정 열과 변환을 지정할 필요가 없습니다. 이들은 자동으로 복원됩니다.

WHERE 절인 WHERE weight_pounds IS NOT NULL은 체중이 NULL인 행을 제외합니다.

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

`ML.EVALUATE` 쿼리 실행

모델을 평가하는 ML.EVALUATE 쿼리를 실행하려면 다음 단계를 완료하세요.

Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.

쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

#standardSQL
SELECT
  *
FROM
  ML.EVALUATE(MODEL `bqml_tutorial.natality_model`,
    (
    SELECT
      *
    FROM
      `bigquery-public-data.samples.natality`
    WHERE
      weight_pounds IS NOT NULL))

(선택사항) 처리 위치를 설정하려면 더보기 드롭다운 목록에서 쿼리 설정을 클릭합니다. 처리 위치에 미국(US)을 선택합니다. 처리 위치는 데이터 세트 위치를 기준으로 자동 감지되므로 이 단계는 선택사항입니다.
실행을 클릭합니다.

쿼리가 완료되면 쿼리 텍스트 영역 아래의 결과 탭을 클릭합니다. 결과는 다음과 같이 표시됩니다.

+---------------------+--------------------+------------------------+---------------------+---------------------+----------------------+
| mean_absolute_error | mean_squared_error | mean_squared_log_error | mean_absolute_error | r2_score            | explained_variance   |
+---------------------+--------------------+------------------------+---------------------+---------------------+----------------------+
| 0.9566580179970666  | 1.6756289722442677 | 0.034241471462096516   | 0.7385590721661188  | 0.04650972930257946 | 0.046516832131241026 |
+---------------------+--------------------+------------------------+---------------------+---------------------+----------------------+

선형 회귀를 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. 0 값은 모델이 평균 주위 응답 데이터의 변동성을 전혀 설명하지 못한다는 것을 나타냅니다. 1 값은 모델이 평균 주위 응답 데이터의 변동성을 모두 설명한다는 것을 나타냅니다.

5단계: 모델을 사용하여 결과 예측

모델을 평가했으므로 다음 단계에서는 이 모델을 사용하여 결과를 예측합니다. 모델을 사용하여 와이오밍 주에서 태어난 모든 아기의 출생 시 체중을 예측할 수 있습니다.

결과를 예측하는 데 사용되는 쿼리는 다음과 같습니다.

#standardSQL
SELECT
  predicted_weight_pounds
FROM
  ML.PREDICT(MODEL `bqml_tutorial.natality_model`,
    (
    SELECT
      *
    FROM
      `bigquery-public-data.samples.natality`
    WHERE
      state = "WY"))

쿼리 세부정보

최상위 SELECT 문은 predicted_weight_pounds 열을 검색합니다. 이 열은 ML.PREDICT 함수에서 생성됩니다. ML.PREDICT 함수를 사용할 때 모델의 출력 열 이름은 predicted_label_column_name입니다. 선형 회귀 모델에서 predicted_label은 label의 예상 값입니다. 로지스틱 회귀 모델에서 predicted_label은 두 입력 라벨 중 예측 확률이 더 높은 라벨입니다.

ML.PREDICT 함수는 bqml_tutorial.natality_model 모델을 사용하여 결과를 예측할 때 사용됩니다.

이 쿼리의 중첩된 SELECT 문과 FROM 절은 CREATE MODEL 쿼리와 동일합니다. 학습에서와 같이 모든 열을 전달할 필요는 없으며 TRANSFORM 절에 사용되는 열만 필요합니다. ML.EVALUATE와 유사하게 TRANSFORM에서 변환이 자동으로 복원됩니다.

WHERE 절인 WHERE state = "WY"는 예측이 와이오밍 주에 한정되어 있음을 나타냅니다.

`ML.PREDICT` 쿼리 실행

모델을 사용하여 결과를 예측하는 쿼리를 실행하려면 다음 안내를 따르세요.

Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.

쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

#standardSQL
SELECT
  predicted_weight_pounds
FROM
  ML.PREDICT(MODEL `bqml_tutorial.natality_model`,
    (
    SELECT
      *
    FROM
      `bigquery-public-data.samples.natality`
    WHERE
      state = "WY"))

(선택사항) 처리 위치를 설정하려면 더보기 드롭다운 목록에서 쿼리 설정을 클릭합니다. 처리 위치에 미국(US)을 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.

+----------------------------+
| predicted_weight_pounds    |
+----------------------------+
|  7.735962399307027         |
+----------------------------+
|  7.728855793480761         |
+----------------------------+
|  7.383850250400428         |
+----------------------------+
| 7.4132677633242565         |
+----------------------------+
|  7.734971309702814         |
+----------------------------+

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.

필요한 경우 Google Cloud 콘솔에서 BigQuery 페이지를 엽니다.

BigQuery 페이지로 이동
탐색 패널에서 앞에서 만든 bqml_tutorial 데이터 세트를 선택합니다.
창 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.

TRANSFORM 절을 사용하여 특성 추출 수행

목표

비용

시작하기 전에

1단계: 데이터 세트 만들기

2단계: 모델 만들기

쿼리 세부정보

CREATE MODEL 쿼리 실행

3단계(선택사항): 학습 통계 가져오기

4단계: 모델 평가

쿼리 세부정보

ML.EVALUATE 쿼리 실행

5단계: 모델을 사용하여 결과 예측

쿼리 세부정보

ML.PREDICT 쿼리 실행

삭제

데이터 세트 삭제

프로젝트 삭제

다음 단계

`CREATE MODEL` 쿼리 실행

`ML.EVALUATE` 쿼리 실행

`ML.PREDICT` 쿼리 실행