機器學習模型的端對端使用者歷程
本文說明在 BigQuery ML 中訓練的機器學習模型使用者歷程,包括可用於處理機器學習模型的陳述式和函式。BigQuery ML 提供下列類型的機器學習模型:
模型建立使用者歷程
下表說明可用於建立及調整模型的陳述式和函式:
1如需使用超參數調整的逐步範例,請參閱「透過超參數調整提升模型效能」。
2BigQuery ML 不提供擷取此模型權重的函式。如要查看模型權重,請將模型從 BigQuery ML 匯出至 Cloud Storage,然後使用 XGBoost 程式庫或 TensorFlow 程式庫,以視覺化方式呈現樹狀模型的樹狀結構,或類神經網路的圖形結構。詳情請參閱EXPORT MODEL
和「匯出 BigQuery ML 模型以進行線上預測」。
使用使用者歷程模型
下表說明可用於評估、說明及取得模型預測結果的陳述式和函式:
1ML.CONFUSION_MATRIX
僅適用於分類模型。
2ML.ROC_CURVE
僅適用於二元分類模型。
3 ML.EXPLAIN_PREDICT
函式包含 ML.PREDICT
函式,因為其輸出內容是 ML.PREDICT
結果的超集。
4如要瞭解 ML.GLOBAL_EXPLAIN
和 ML.FEATURE_IMPORTANCE
之間的差異,請參閱可解釋的 AI 總覽。
5:ML.ADVANCED_WEIGHTS
函式包含 ML.WEIGHTS
函式,因為其輸出內容是 ML.WEIGHTS
結果的超集。