Percorso dell'utente end-to-end per ogni modello

BigQuery ML supporta una varietà di modelli di machine learning e un modello flusso di apprendimento per ogni modello, come pre-elaborazione delle caratteristiche, ottimizzazione, inferenza, valutazione ed esportazione del modello degli iperparametri. La macchina di machine learning per i modelli sono suddivisi nelle due tabelle seguenti:

• Fase di creazione del modello
• Fase di utilizzo del modello

Fase di creazione del modello

Categoria di modello	Tipi di modello	Creazione del modello	Pre-elaborazione delle caratteristiche	Ottimizzazione degli iperparametri	Pesi del modello	Funzionalità e informazioni sull'addestramento	Tutorial
Apprendimento supervisionato	Lineare e regressione logistica	crea modello	Pre-elaborazione automatica, Pre-elaborazione manuale^1	Ottimizzazione HP^2 ml.trial_info	ml.weights	ml.feature_info ml.training_info	regressione classificazione
	DNN (Deep Neural Network)	crea modello			N/D^5		N/D
	Largo e Reti profonde	crea modello			N/D^5		N/D
	Alberi potenziati	crea modello			N/D^5		N/D
	Foresta casuale	crea modello			N/D^5		N/D
	AutoML per la classificazione e regressione	crea modello	N/D^3	N/D^3	N/D^5		N/D
Apprendimento non supervisionato	K-means	crea modello	Pre-elaborazione automatica, Pre-elaborazione manuale^1	Ottimizzazione HP^2 ml.trial_info	ml.centroids	ml.feature_info ml.training_info	stazioni bici in cluster
	fattorizzazione matriciale	crea modello	N/D	Ottimizzazione HP^2 ml.trial_info	ml.weights		feedback esplicito feedback implicito
	Analisi delle componenti principali (PCA)	crea modello	Pre-elaborazione automatica, Pre-elaborazione manuale^1	N/D	ml.principal_ components, ml.principal_ component_info		N/D
	Autoencoder	crea modello	Pre-elaborazione automatica, Pre-elaborazione manuale^1	Ottimizzazione HP^2 ml.trial_info	N/D^5		N/D
Modelli di serie temporali	ARIMA_PLUS	crea modello	Pre-elaborazione automatica	auto.ARIMA^4	Coefficienti_ml.arima	ml.feature_info ml.training_info	serie singola multiserie milioni di serie festività personalizzate limitare valori previsti previsione gerarchica di serie temporali
	ARIMA_PLUS_XREG	crea modello	Pre-elaborazione automatica	auto.ARIMA^4	Coefficienti_ml.arima	ml.feature_info ml.training_info	previsione multivariata
Modelli remoti di IA generativa	Modello remoto su un modello di generazione di testo Vertex AI^6	crea modello	N/D	N/A	N/A	N/D	genera testo con modello remoto utilizzano l'ottimizzazione e la valutazione per migliorare le prestazioni dei modelli LLM
	Modello remoto su un modello di generazione dell'incorporamento di Vertex AI^6	crea modello	N/D	N/A	N/A	N/D	generare incorporamenti di testo con un modello remoto generare incorporamenti di immagini con un modello remoto generare ed eseguire ricerche negli incorporamenti multimodali
modelli remoti AI	Modello remoto tramite l'API Cloud Vision	crea modello	N/D	N/A	N/A	N/A	N/D
	Modello remoto tramite l'API Cloud Translation	crea modello	N/D	N/A	N/A	N/A	N/D
	Modello remoto tramite l'API Cloud Natural Language	crea modello	N/D	N/A	N/A	N/A	N/D
	Modello remoto sull'API Document AI (anteprima)	crea modello	N/D	N/A	N/A	N/A	N/D
	Modello remoto sull'API Speech-to-Text (anteprima)	crea modello	N/D	N/A	N/A	N/A	N/D
Modelli remoti	Modello remoto con un endpoint Vertex AI	crea modello	N/D	N/A	N/A	N/D	previsione con modello remoto
Modelli importati	TensorFlow	crea modello	N/D	N/A	N/A	N/D	fare previsioni con un modello TensorFlow importato
	TensorFlow Lite	crea modello	N/D	N/A	N/A	N/A	N/D
	ONNX (Open Neural Network Exchange)	crea modello	N/D	N/A	N/A	N/D	Previsione con modelli scikit-learn in formato ONNX Previsioni con modelli PyTorch in formato ONNX
	XGBoost	crea modello	N/D	N/A	N/A	N/A	N/D
Modelli solo per la trasformazione^7	Solo trasformazione	crea modello	Pre-elaborazione manuale^1	N/D	N/D	ml.feature_info	N/D

¹ Vedi TRANSFORM per il tutorial sul feature engineering. Per ulteriori informazioni le funzioni di pre-elaborazione, si veda BQML - Tutorial sulle funzioni di feature engineering.

²Vedi Utilizzo Tutorial: ottimizzazione degli iperparametri per migliorare le prestazioni del modello.

³Il feature engineering e l'ottimizzazione automatica degli iperparametri sono incorporate nell'addestramento del modello AutoML per impostazione predefinita.

⁴ L'algoritmo auto.ARIMA esegue l'ottimizzazione degli iperparametri per Tendenze. L'ottimizzazione degli iperparametri non è supportata per l'intera modellazione una pipeline o un blocco note personalizzato. Consulta le pipeline di modellazione per ulteriori dettagli.

⁵BigQuery ML non supporta le funzioni che recuperano i pesi per i modelli di alberi potenziati, foreste casuali, DNN, Wide and Deep, Autoencoder o AutoML. Per visualizzare i pesi di questi modelli, puoi esportare un modello esistente da BigQuery ML a Cloud Storage e quindi utilizzare la libreria XGBoost o la libreria TensorFlow per visualizzare la struttura ad albero per i modelli ad albero o la struttura del grafico per le reti neurali. Per ulteriori informazioni, consulta la documentazione relativa a EXPORT MODEL e il tutorial su EXPORT MODEL.

⁶ Utilizza un Modello di base di Vertex AI o la personalizza con l'ottimizzazione supervisionata.

⁷Questo non è un tipico modello ML, ma piuttosto un artefatto che trasforma i dati non elaborati in caratteristiche.

Fase di utilizzo del modello

Categoria di modello	Tipi di modello	Valutazione	Inferenza	Spiegazione dell'IA	Monitoraggio del modello	Esportazione dei modelli	Tutorial
Apprendimento supervisionato	Lineare e regressione logistica	ml.evaluate ml.confusion_matrix^1 ml.roc_curve^2	ml.predict ml.transform	ml.explain_predict^3 ml.global_explain ml.advanced_weights^8	ml.describe_data ml.validate_data_drift ml.validate_data_skew ml.tfdv_describe ml.tfdv_validate	Esporta modello^5	regressione classificazione
	DNN (Deep Neural Network)						N/D
	Largo e Reti profonde						N/D
	Alberi potenziati			ml.explain_predict^3 ml.global_explain ml.feature_importance^4			N/D
	Foresta casuale						N/D
	AutoML per la classificazione e regressione		ml.predict	ml.global_explain	ml.describe_data ml.validate_data_drift ml.tfdv_describe ml.tfdv_validate		N/D
Apprendimento non supervisionato	K-means	ml.evaluate	ml.predict ml.detect_anomalies ml.transform	N/D	ml.describe_data ml.validate_data_drift ml.validate_data_skew ml.tfdv_describe ml.tfdv_validate	Esporta modello^5	stazioni bici in cluster
	fattorizzazione matriciale		ml.recommend ml.generate_embedding (Anteprima)		ml.describe_data ml.validate_data_drift ml.tfdv_describe ml.tfdv_validate		feedback esplicito feedback implicito
	Analisi delle componenti principali (PCA)		ml.predict ml.generate_embedding (Anteprima) ml.detect_anomalies ml.transform		ml.describe_data ml.validate_data_drift ml.validate_data_skew ml.tfdv_describe ml.tfdv_validate		N/D
	Autoencoder		ml.predict ml.generate_embedding (Anteprima) ml.detect_anomalies ml.reconstruction_loss ml.transform				N/D
Modelli di serie temporali	ARIMA_PLUS	ml.evaluate ml.arima_evaluate^6 ml.holiday_info	ml.forecast ml.detect_anomalies	ml.explain_forecast^7	ml.describe_data ml.validate_data_drift ml.tfdv_describe ml.tfdv_validate	N/D	serie singola multiserie milioni di serie festività personalizzate limitare valori previsti previsione gerarchica di serie temporali
	ARIMA_PLUS_XREG		ml.forecast ml.detect_anomalies (Preview)		ml.describe_data ml.validate_data_drift ml.validate_data_skew ml.tfdv_describe ml.tfdv_validate		previsione multivariata
Modelli remoti di IA generativa	Modello remoto su un modello di generazione di testo Vertex AI^9	ml.evaluate^11 (anteprima)	ml.generate_text	N/D	ml.describe_data ml.validate_data_drift ml.tfdv_describe ml.tfdv_validate	N/D	genera testo con modello remoto utilizzano l'ottimizzazione e la valutazione per migliorare le prestazioni dei modelli LLM
	Modello remoto su un modello di generazione dell'incorporamento di Vertex AI^9	N/D	ml.generate_embedding	N/D		N/D	generare incorporamenti di testo con un modello remoto generare incorporamenti di immagini con un modello remoto generare ed eseguire ricerche negli incorporamenti multimodali
modelli remoti AI	Modello remoto tramite l'API Cloud Vision	N/D	ml.annotate_image	N/D	ml.describe_data ml.validate_data_drift ml.tfdv_describe ml.tfdv_validate	N/D	N/D
	Modello remoto tramite l'API Cloud Translation	N/D	ml.translate	N/D		N/A	N/D
	Modello remoto tramite l'API Cloud Natural Language	N/D	ml.understand_text	N/D		N/A	N/D
	Modello remoto sull'API Document AI (anteprima)	N/D	ml.process_document	N/D		N/A	N/D
	Modello remoto sull'API Speech-to-Text (anteprima)	N/D	ml.transcribe	N/D		N/A	N/D
Modelli remoti	Modello remoto con un endpoint Vertex AI	N/D	ml.predict	N/D	ml.describe_data ml.validate_data_drift ml.tfdv_describe ml.tfdv_validate	N/D	previsione con modello remoto
Modelli importati	TensorFlow	N/D	ml.predict	N/D	ml.describe_data ml.validate_data_drift ml.tfdv_describe ml.tfdv_validate	Esporta modello^5	fare previsioni con un modello TensorFlow importato
	TensorFlow Lite	N/D	ml.predict	N/D		N/A	N/D
	ONNX (Open Neural Network Exchange)	N/D	ml.predict	N/D		N/D	Previsione con modelli scikit-learn in formato ONNX Previsioni con modelli PyTorch in formato ONNX
	XGBoost	N/D	ml.predict	N/D		N/A	N/D
Modelli solo per la trasformazione^10	Solo trasformazione	N/D	ml.transform	N/D	N/D	Esporta modello^5	N/D

¹ml.confusion_matrix è applicabile solo ai modelli di classificazione.

²ml.roc_curve è applicabile solo ai modelli di classificazione binaria.

³ml.explain_predict è una versione estesa di ml.predict. Per saperne di più, consulta la panoramica di Explainable AI. Per scoprire come viene utilizzato ml.explain_predict, consulta il tutorial sulla regressione e il tutorial sulla classificazione.

⁴Per la differenza tra ml.global_explain e ml.feature_importance, vedi Panoramica di Explainable AI.

⁵ Consulta la sezione sull'esportazione Modello BigQuery ML per la previsione online. Per ulteriori informazioni informazioni sulla pubblicazione online, consulta BQML - Tutorial sulla creazione di un modello con trasposizione in linea.

⁶Per i modelli ARIMA_PLUS o ARIMA_PLUS_XREG, ml.evaluate può utilizzare nuovi dati come input per calcolare le metriche di previsione, come l'errore percentuale medio assoluto (MAPE). In assenza di nuovi dati, ml.evaluate ha una versione estesa ml.arima_evaluate che restituisce informazioni di valutazione diverse.

⁷ml.explain_forecast è una versione estesa di ml.forecast. Per saperne di più, consulta la panoramica di Explainable AI. Per scoprire come viene utilizzato ml.explain_forecast, guarda i passaggi sulla visualizzazione dei risultati dei tutorial sulla previsione di serie temporali singole e sulla previsione di più serie temporali.

⁸ml.advanced_weights è una versione estesa di ml.weights, consulta ml.advanced_weights per ulteriori dettagli.

⁹ Utilizza un Modello di base di Vertex AI o la personalizza con l'ottimizzazione supervisionata.

¹⁰Non è un tipico modello ML, ma un artefatto che trasforma i dati non elaborati in caratteristiche.

¹¹ Funzionalità non supportata per tutti gli LLM Vertex AI. Per ulteriori informazioni, vedi ml.evaluate.