Klassifizierung – Übersicht

Ein gängiger Anwendungsfall für maschinelles Lernen ist die Klassifizierung neuer Daten mithilfe eines Modells, das mit ähnlichen, gekennzeichneten Daten trainiert wurde. Sie können beispielsweise vorhersagen, ob es sich bei einer E-Mail um Spam handelt oder ob eine Kundenrezension positiv, negativ oder neutral ist.

Sie können in BigQuery ML eines der folgenden Modelle für die Klassifizierung verwenden:

• Logistische Regressionsmodelle: Verwenden Sie die logistische Regression, indem Sie die Option MODEL_TYPE auf LOGISTIC_REG festlegen.
• Boosted Tree-Modelle: Verwenden Sie einen Gradient Boosted-Entscheidungsbaum, indem Sie die Option MODEL_TYPE auf BOOSTED_TREE_CLASSIFIER festlegen.
• Random Forest-Modelle: Verwenden Sie einen Random Forest, indem Sie die Option MODEL_TYPE auf RANDOM_FOREST_CLASSIFIER festlegen.
• Modelle mit neuronalem Deep-Learning-Netzwerk (DNN): Verwenden Sie ein neuronales Netzwerk, indem Sie die Option MODEL_TYPE auf DNN_CLASSIFIER festlegen.
• Wide & Deep-Modelle: Verwenden Sie Wide & Deep Learning, indem Sie die Option MODEL_TYPE auf DNN_LINEAR_COMBINED_CLASSIFIER festlegen.
• AutoML-Modelle: Verwenden Sie ein AutoML-Klassifizierungsmodell, indem Sie die Option MODEL_TYPE auf AUTOML_CLASSIFIER festlegen.