Perjalanan pengguna menyeluruh untuk model ML

Dokumen ini menjelaskan perjalanan pengguna untuk model machine learning (ML) yang dilatih di BigQuery ML, termasuk pernyataan dan fungsi yang dapat Anda gunakan untuk bekerja dengan model ML. BigQuery ML menawarkan jenis model ML berikut:

• Model Supervised learning:

  • Regresi logistik dan linear
  • Deep neural network (DNN)
  • Wide & Deep
  • Hierarki yang ditingkatkan
  • Hutan acak
  • AutoML

• Model unsupervised learning:

  • Pengelompokan k-means
  • Faktorisasi matriks
  • Autoencoder
  • Analisis komponen utama (PCA)

• Model khusus transformasi: Model khusus transformasi bukan model ML biasa, tetapi merupakan artefak yang mengubah data mentah menjadi fitur.

Perjalanan pengguna pembuatan model

Tabel berikut menjelaskan pernyataan dan fungsi yang dapat Anda gunakan untuk membuat dan menyesuaikan model:

Kategori model	Jenis model	Pembuatan model	Pra-pemrosesan fitur	Penyesuaian hyperparameter^1	Bobot model	Info fitur & pelatihan	Tutorial
Supervised learning	Regresi linear & logistik	CREATE MODEL	Pra-pemrosesan otomatis Pra-pemrosesan manual	Penyesuaian hyperparameter ML.TRIAL _INFO	ML.WEIGHTS	ML.FEATURE _INFO ML.TRAINING _INFO	Menggunakan regresi linear untuk memprediksi berat penguin Melakukan klasifikasi dengan model regresi logistik
	Jaringan neural dalam (DNN)	CREATE MODEL	Pra-pemrosesan otomatis Pra-pemrosesan manual	Penyesuaian hyperparameter ML.TRIAL _INFO	T/A^2	ML.FEATURE _INFO ML.TRAINING _INFO	T/A
	Jaringan Wide & Deep	CREATE MODEL	Pra-pemrosesan otomatis Pra-pemrosesan manual	Penyesuaian hyperparameter ML.TRIAL _INFO	T/A^2	ML.FEATURE _INFO ML.TRAINING _INFO	T/A
	Pohon yang diperkuat	CREATE MODEL	Pra-pemrosesan otomatis Pra-pemrosesan manual	Penyesuaian hyperparameter ML.TRIAL _INFO	T/A^2	ML.FEATURE _INFO ML.TRAINING _INFO	Melakukan klasifikasi dengan model pohon keputusan yang ditingkatkan
	Hutan acak (random forest)	CREATE MODEL	Pra-pemrosesan otomatis Pra-pemrosesan manual	Penyesuaian hyperparameter ML.TRIAL _INFO	T/A^2	ML.FEATURE _INFO ML.TRAINING _INFO	T/A
	Klasifikasi & regresi AutoML	CREATE MODEL	AutoML secara otomatis melakukan rekayasa fitur	AutoML secara otomatis melakukan penyesuaian hyperparameter	T/A^2	ML.FEATURE _INFO ML.TRAINING _INFO	T/A
Pembelajaran yang tidak diawasi	K-means	CREATE MODEL	Pra-pemrosesan otomatis Pra-pemrosesan manual	Penyesuaian hyperparameter ML.TRIAL _INFO	ML.CENTROIDS	ML.FEATURE _INFO ML.TRAINING _INFO	Menemukan cluster dalam data stasiun sepeda
	Faktorisasi matriks	CREATE MODEL	T/A	Penyesuaian hyperparameter ML.TRIAL _INFO	ML.WEIGHTS	ML.FEATURE _INFO ML.TRAINING _INFO	Membuat rekomendasi film menggunakan masukan eksplisit Membuat rekomendasi konten menggunakan masukan implisit
	Analisis komponen utama (PCA)	CREATE MODEL	Pra-pemrosesan otomatis Pra-pemrosesan manual	T/A	ML.PRINCIPAL _COMPONENTS ML.PRINCIPAL _COMPONENT _INFO	ML.FEATURE _INFO ML.TRAINING _INFO	T/A
	Autoencoder	CREATE MODEL	Pra-pemrosesan otomatis Pra-pemrosesan manual	Penyesuaian hyperparameter ML.TRIAL _INFO	T/A^2	ML.FEATURE _INFO ML.TRAINING _INFO	T/A
Khusus transformasi	Khusus transformasi	CREATE MODEL	Pra-pemrosesan manual	T/A	T/A	ML.FEATURE _INFO	T/A

¹Untuk contoh langkah demi langkah penggunaan penyesuaian hyperparameter, lihat Meningkatkan performa model dengan penyesuaian hyperparameter.

²BigQuery ML tidak menawarkan fungsi untuk mengambil bobot model ini. Untuk melihat bobot model, Anda dapat mengekspor model dari BigQuery ML ke Cloud Storage, lalu menggunakan library XGBoost atau library TensorFlow untuk memvisualisasikan struktur pohon untuk model pohon atau struktur grafik untuk jaringan neural. Untuk mengetahui informasi selengkapnya, lihat EXPORT MODEL dan Mengekspor model BigQuery ML untuk prediksi online.

Perjalanan pengguna penggunaan model

Tabel berikut menjelaskan pernyataan dan fungsi yang dapat Anda gunakan untuk mengevaluasi, menjelaskan, dan mendapatkan prediksi dari model:

Kategori model	Jenis model	Evaluasi	Inferensi	AI Explanations	Pemantauan model
Supervised learning	Regresi linear & logistik	ML.EVALUATE ML.CONFUSION _MATRIX^1 ML.ROC_CURVE^2	ML.PREDICT ML.TRANSFORM	ML.EXPLAIN_PREDICT^3 ML.GLOBAL_EXPLAIN ML.ADVANCED_WEIGHTS^5	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	Jaringan neural dalam (DNN)	ML.EVALUATE ML.CONFUSION _MATRIX^1 ML.ROC_CURVE^2	ML.PREDICT ML.TRANSFORM	ML.EXPLAIN_PREDICT^3 ML.GLOBAL_EXPLAIN ML.ADVANCED_WEIGHTS^5	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	Jaringan Wide & Deep	ML.EVALUATE ML.CONFUSION _MATRIX^1 ML.ROC_CURVE^2	ML.PREDICT ML.TRANSFORM	ML.EXPLAIN_PREDICT^3 ML.GLOBAL_EXPLAIN ML.ADVANCED_WEIGHTS^5	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	Pohon yang diperkuat	ML.EVALUATE ML.CONFUSION _MATRIX^1 ML.ROC_CURVE^2	ML.PREDICT ML.TRANSFORM	ML.EXPLAIN_PREDICT^3 ML.GLOBAL_EXPLAIN ML.FEATURE_IMPORTANCE^4	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	Hutan acak (random forest)	ML.EVALUATE ML.CONFUSION _MATRIX^1 ML.ROC_CURVE^2	ML.PREDICT ML.TRANSFORM	ML.EXPLAIN_PREDICT^3 ML.GLOBAL_EXPLAIN ML.FEATURE_IMPORTANCE^4	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	Klasifikasi & regresi AutoML	ML.EVALUATE ML.CONFUSION _MATRIX^1 ML.ROC_CURVE^2	ML.PREDICT	ML.GLOBAL_EXPLAIN	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
Pembelajaran yang tidak diawasi	K-means	ML.EVALUATE	ML.PREDICT ML.DETECT _ANOMALIES ML.TRANSFORM	T/A	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	Faktorisasi matriks	ML.EVALUATE	ML.RECOMMEND ML.GENERATE _EMBEDDING	T/A	T/A
	Analisis komponen utama (PCA)	ML.EVALUATE	ML.PREDICT ML.GENERATE _EMBEDDING ML.DETECT _ANOMALIES ML.TRANSFORM	T/A	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	Autoencoder	ML.EVALUATE	ML.PREDICT ML.GENERATE _EMBEDDING ML.DETECT _ANOMALIES ML.RECONSTRUCTION _LOSS ML.TRANSFORM	T/A	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
Khusus transformasi	Khusus transformasi	T/A	ML.TRANSFORM	T/A	T/A

¹ML.CONFUSION_MATRIX hanya berlaku untuk model klasifikasi.

²ML.ROC_CURVE hanya berlaku untuk model klasifikasi biner.

³Fungsi ML.EXPLAIN_PREDICT mencakup fungsi ML.PREDICT karena outputnya adalah superset dari hasil ML.PREDICT.

⁴Untuk memahami perbedaan antara ML.GLOBAL_EXPLAIN dan ML.FEATURE_IMPORTANCE, lihat Ringkasan Explainable AI.

⁵Fungsi ML.ADVANCED_WEIGHTS mencakup fungsi ML.WEIGHTS karena outputnya adalah superset dari hasil ML.WEIGHTS.