Présentation de la classification

Un cas d'utilisation courant du machine learning consiste à classer de nouvelles données à l'aide d'un modèle entraîné sur des données étiquetées similaires. Par exemple, vous pouvez vouloir prédire si un e-mail est du spam ou si un avis sur un produit est positif, négatif ou neutre.

Vous pouvez utiliser l'un des modèles suivants dans BigQuery ML pour effectuer une classification:

• Modèles de régression logistique : utilisez la régression logistique en définissant l'option MODEL_TYPE sur LOGISTIC_REG.
• Modèles en arbre de décision à boosting : utilisez un arbre de décision à boosting de gradient en définissant l'option MODEL_TYPE sur BOOSTED_TREE_CLASSIFIER.
• Modèles de forêt d'arbres décisionnels : utilisez une forêt d'arbres décisionnels en définissant l'option MODEL_TYPE sur RANDOM_FOREST_CLASSIFIER.
• Modèles de réseau de neurones profond (DNN) : utilisez un réseau de neurones en définissant l'option MODEL_TYPE sur DNN_CLASSIFIER.
• Modèles wide et deep learning : utilisez le wide et deep learning en définissant l'option MODEL_TYPE sur DNN_LINEAR_COMBINED_CLASSIFIER.
• Modèles AutoML : utilisez un modèle de classification AutoML en définissant l'option MODEL_TYPE sur AUTOML_CLASSIFIER.