Obtenir des insights sur les données à partir d'un modèle d'analyse des contributions à l'aide d'une métrique de ratio sommable

Dans ce tutoriel, vous allez utiliser un modèle d'analyse des contributions pour analyser la contribution du ratio du coût des ventes dans l'ensemble de données sur les ventes de boissons alcoolisées dans l'Iowa. Ce tutoriel vous guide à travers les tâches suivantes :

  • Créez une table d'entrée basée sur les données publiques sur les alcools de l'Iowa.
  • Créez un modèle d'analyse des contributions qui utilise une métrique de ratio sommable. Ce type de modèle résume les valeurs de deux colonnes numériques et détermine les différences de ratio entre l'ensemble de données de contrôle et de test pour chaque segment de données.
  • Obtenez les insights sur les métriques à partir du modèle à l'aide de la fonction ML.GET_INSIGHTS.

Avant de commencer ce tutoriel, vous devez vous familiariser avec le cas d'utilisation de l'analyse des contributions.

Autorisations requises

  • Pour créer l'ensemble de données, vous devez disposer de l'autorisation Identity and Access Management (IAM) bigquery.datasets.create.

  • Pour créer le modèle, vous avez besoin des autorisations suivantes :

    • bigquery.jobs.create
    • bigquery.models.create
    • bigquery.models.getData
    • bigquery.models.updateData
  • Pour exécuter une inférence, vous devez disposer des autorisations suivantes :

    • bigquery.models.getData
    • bigquery.jobs.create

Coûts

Dans ce document, vous utilisez les composants facturables de Google Cloudsuivants :

  • BigQuery ML: You incur costs for the data that you process in BigQuery.

Obtenez une estimation des coûts en fonction de votre utilisation prévue à l'aide du simulateur de coût.

Les nouveaux utilisateurs de Google Cloud peuvent bénéficier d'un essai gratuit.

Pour en savoir plus sur les tarifs de BigQuery, consultez la page Tarifs de BigQuery dans la documentation BigQuery.

Avant de commencer

  1. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  2. Verify that billing is enabled for your Google Cloud project.

  3. Enable the BigQuery API.

    Enable the API

Créer un ensemble de données

Créez un ensemble de données BigQuery pour stocker votre modèle de ML.

Console

  1. Dans la console Google Cloud , accédez à la page BigQuery.

    Accéder à la page "BigQuery"

  2. Dans le volet Explorateur, cliquez sur le nom de votre projet.

  3. Cliquez sur Afficher les actions > Créer un ensemble de données.

  4. Sur la page Créer un ensemble de données, procédez comme suit :

    • Dans le champ ID de l'ensemble de données, saisissez bqml_tutorial.

    • Pour Type d'emplacement, sélectionnez Multirégional, puis sélectionnez US (plusieurs régions aux États-Unis).

    • Conservez les autres paramètres par défaut, puis cliquez sur Créer un ensemble de données.

bq

Pour créer un ensemble de données, exécutez la commande bq mk en spécifiant l'option --location. Pour obtenir la liste complète des paramètres possibles, consultez la documentation de référence sur la commande bq mk --dataset.

  1. Créez un ensemble de données nommé bqml_tutorial avec l'emplacement des données défini sur US et une description de BigQuery ML tutorial dataset :

    bq --location=US mk -d \
     --description "BigQuery ML tutorial dataset." \
     bqml_tutorial

    Au lieu d'utiliser l'option --dataset, la commande utilise le raccourci -d. Si vous omettez -d et --dataset, la commande crée un ensemble de données par défaut.

  2. Vérifiez que l'ensemble de données a été créé :

    bq ls

API

Appelez la méthode datasets.insert avec une ressource d'ensemble de données définie.

{
  "datasetReference": {
     "datasetId": "bqml_tutorial"
  }
}

BigQuery DataFrames

Avant d'essayer cet exemple, suivez les instructions de configuration pour BigQuery DataFrames du guide de démarrage rapide de BigQuery DataFrames. Pour en savoir plus, consultez la documentation de référence sur BigQuery DataFrames.

Pour vous authentifier auprès de BigQuery, configurez le service Identifiants par défaut de l'application. Pour en savoir plus, consultez Configurer les ADC pour un environnement de développement local.

import google.cloud.bigquery

bqclient = google.cloud.bigquery.Client()
bqclient.create_dataset("bqml_tutorial", exists_ok=True)

Créer un tableau de données d'entrée

Créez une table contenant les données de test et de contrôle à analyser. La requête suivante crée deux tables intermédiaires : une table de test pour les données sur les alcools de 2021 et une table de contrôle avec les données sur les alcools de 2020. Elle effectue ensuite une union des tables intermédiaires pour créer une table avec des lignes de test et de contrôle, ainsi que le même ensemble de colonnes.

  1. Dans la console Google Cloud , accédez à la page BigQuery.

    Accéder à BigQuery

  2. Dans l'éditeur de requête, exécutez l'instruction suivante :

    CREATE OR REPLACE TABLE bqml_tutorial.iowa_liquor_sales_data AS
    (SELECT
      store_name,
      city,
      vendor_name,
      category_name,
      item_description,
      SUM(sale_dollars) AS total_sales,
      SUM(state_bottle_cost) AS total_bottle_cost,
      FALSE AS is_test
    FROM `bigquery-public-data.iowa_liquor_sales.sales`
    WHERE EXTRACT(YEAR FROM date) = 2020
    GROUP BY store_name, city, vendor_name, category_name, item_description, is_test)
    UNION ALL
    (SELECT
      store_name,
      city,
      vendor_name,
      category_name,
      item_description,
      SUM(sale_dollars) AS total_sales,
      SUM(state_bottle_cost) AS total_bottle_cost,
      TRUE AS is_test
    FROM `bigquery-public-data.iowa_liquor_sales.sales`
    WHERE EXTRACT(YEAR FROM date) = 2021
    GROUP BY store_name, city, vendor_name, category_name, item_description, is_test);

Créer le modèle

Créez un modèle d'analyse des contributions :

  1. Dans la console Google Cloud , accédez à la page BigQuery.

    Accéder à BigQuery

  2. Dans l'éditeur de requête, exécutez l'instruction suivante :

    CREATE OR REPLACE MODEL bqml_tutorial.liquor_sales_model
    OPTIONS(
      model_type = 'CONTRIBUTION_ANALYSIS',
      contribution_metric = 'sum(total_bottle_cost)/sum(total_sales)',
      dimension_id_cols = ['store_name', 'city', 'vendor_name', 'category_name', 'item_description'],
      is_test_col = 'is_test',
      min_apriori_support = 0.05
    ) AS
    SELECT * FROM bqml_tutorial.iowa_liquor_sales_data;

L'exécution de la requête prend environ 35 secondes, après quoi le modèle liquor_sales_model apparaît dans l'ensemble de données bqml_tutorial dans le volet Explorateur. Étant donné que la requête utilise une instruction CREATE MODEL pour créer un modèle, il n'y a aucun résultat de requête.

Obtenir des insights à partir du modèle

Obtenez des insights générés par le modèle d'analyse des contributions à l'aide de la fonction ML.GET_INSIGHTS.

  1. Dans la console Google Cloud , accédez à la page BigQuery.

    Accéder à BigQuery

  2. Dans l'éditeur de requête, exécutez l'instruction suivante pour sélectionner des colonnes à partir de la sortie d'un modèle d'analyse de la contribution des métriques de ratio cumulables :

    SELECT
    contributors,
    metric_test,
    metric_control,
    metric_test_over_metric_control,
    metric_test_over_complement,
    metric_control_over_complement,
    aumann_shapley_attribution,
    apriori_support
    contribution
    FROM
      ML.GET_INSIGHTS(
        MODEL `bqml_tutorial.liquor_sales_model`)
    ORDER BY aumann_shapley_attribution DESC;

Les premières lignes du résultat doivent ressembler à ce qui suit. Les valeurs sont tronquées pour améliorer la lisibilité.

et les Top Contributeurs russophones. metric_test metric_control metric_test_over_metric_control metric_test_over_complement metric_control_over_complement aumann_shapley_attribution apriori_support contribution
tous 0,069 0.071 0.969 null null -0.00219 1.0 0,00219
city=DES MOINES 0,048 0,054 0.88 0,67 0.747 -0.00108 0,08 0.00108
vendor_name=DIAGEO AMERICAS 0,064 0,068 0.937 0.917 0,956 -0.0009 0.184 0.0009
vendor_name=BACARDI USA INC 0.071 0.082 0.857 1,025 1.167 -0.00054 0,057 0.00054
vendor_name=PERNOD RICARD USA 0,068 0.077 0,89 0.988 1,082 -0.0005 0,061 0,0005

Dans le résultat, vous pouvez voir que le segment de données city=DES MOINES a la plus forte contribution à la variation du ratio de ventes. Vous pouvez également constater cette différence dans les colonnes metric_test et metric_control, qui montrent que le ratio a diminué dans les données de test par rapport aux données de contrôle. D'autres métriques, telles que metric_test_over_metric_control, metric_test_over_complement et metric_control_over_complement, calculent des statistiques supplémentaires qui décrivent la relation entre les ratios de contrôle et de test, et leur lien avec la population globale. Pour en savoir plus, consultez Sortie des modèles d'analyse de la contribution des métriques de ratio cumulables.

Effectuer un nettoyage

  1. In the Google Cloud console, go to the Manage resources page.

    Go to Manage resources

  2. In the project list, select the project that you want to delete, and then click Delete.
  3. In the dialog, type the project ID, and then click Shut down to delete the project.