Obtenir les métadonnées du modèle
Présentation
Cette page explique comment obtenir des informations ou des métadonnées sur des modèles BigQuery ML à l'aide des méthodes suivantes :
- Utiliser la console Google Cloud.
- En utilisant la commande CLI
bq show
- Appeler directement la méthode d'API
models.get
ou utiliser les bibliothèques clientes
Autorisations requises
Pour obtenir des métadonnées de modèle, vous devez disposer du rôle READER
au niveau de l'ensemble de données, ou d'un rôle Identity and Access Management (IAM) au niveau du projet, qui Inclut les autorisations bigquery.models.getMetadata
. Si vous disposez des autorisations bigquery.models.getMetadata
au niveau du projet, vous pouvez obtenir des métadonnées de modèle dans n'importe quel ensemble de données du projet. Les rôles IAM prédéfinis suivants au niveau du projet incluent des autorisations bigquery.models.getMetadata
:
bigquery.dataViewer
bigquery.dataEditor
bigquery.dataOwner
bigquery.metadataViewer
bigquery.admin
Pour en savoir plus sur les rôles et les autorisations IAM dans BigQuery ML, consultez la page Contrôle des accès.
Obtenir les métadonnées du modèle
Pour obtenir des métadonnées sur des modèles, procédez comme suit :
Console
Dans la section Ressources du panneau de navigation, développez votre projet et sélectionnez un ensemble de données.
Cliquez sur le nom du modèle.
Sous la zone de l'éditeur de requête, cliquez sur Details (Détails). Cette page affiche les métadonnées du modèle, y compris la description, les étiquettes, les détails et les options d'entraînement.
bq
Exécutez la commande bq show
avec l'option --model
ou -m
pour afficher les métadonnées du modèle. L'option --format
peut être utilisée pour contrôler la sortie.
Pour n'afficher que les colonnes de caractéristiques de votre modèle, utilisez l'option --schema
avec l'option --model
. Lorsque vous utilisez l'option --schema
, le paramètre --format
doit être défini sur json
ou prettyjson
.
Si vous obtenez des informations sur un modèle d'un projet autre que votre projet par défaut, ajoutez l'ID du projet au nom de l'ensemble de données en respectant le format suivant : [PROJECT_ID]:[DATASET]
.
bq show --model --format=prettyjson [PROJECT_ID]:[DATASET].[MODEL]
Où :
[PROJECT_ID]
est l'ID de votre projet.[DATASET]
est le nom de l'ensemble de données.[MODEL]
est le nom du modèle.
Le résultat de la commande ressemble à ceci lorsque l'option --format=pretty
est utilisée. Pour en savoir plus, utilisez le format --format=prettyjson
. L'exemple de résultat ci-dessous montre les métadonnées d'un modèle de régression logistique.
+--------------+---------------------+---------------------+---------------------------+--------+-----------------+-----------------+ | Id | Model Type | Feature Columns | Label Columns | Labels | Creation Time | Expiration Time | +--------------+---------------------+---------------------+---------------------------+--------+-----------------+-----------------+ | sample_model | LOGISTIC_REGRESSION | |- column1: string | |- label_column: int64 | | 03 May 23:14:42 | | | | | |- column2: bool | | | | | | | | |- column3: string | | | | | | | | |- column4: int64 | | | | | +--------------+---------------------+---------------------+---------------------------+--------+-----------------+-----------------+
Exemples :
Saisissez la commande suivante pour afficher toutes les informations sur la table mymodel
dans mydataset
. mydataset
se trouve dans votre projet par défaut.
bq show --model --format=prettyjson mydataset.mymodel
Saisissez la commande suivante pour afficher toutes les informations sur la table mymodel
dans mydataset
. mydataset
se trouve dans myotherproject
, et non dans votre projet par défaut.
bq show --model --format=prettyjson myotherproject:mydataset.mymodel
Entrez la commande suivante pour n'afficher que les colonnes de caractéristiques pour mymodel
dans mydataset
. mydataset
se trouve dans myotherproject
, et non dans votre projet par défaut.
bq show --model --schema --format=prettyjson \
myotherproject:mydataset.mymodel
API
Pour obtenir des métadonnées de modèle à l'aide de l'API, appelez la méthode models.get
et spécifiez les valeurs projectId
, datasetId
et modelId
.
Go
Avant d'essayer cet exemple, suivez les instructions de configuration pour Go du guide de démarrage rapide de BigQuery : Utiliser les bibliothèques clientes. Pour en savoir plus, consultez la documentation de référence de l'API BigQuery pour Go.
Pour vous authentifier auprès de BigQuery, configurez le service Identifiants par défaut de l'application. Pour en savoir plus, consultez la page Configurer l'authentification pour les bibliothèques clientes.
Java
Avant d'essayer cet exemple, suivez les instructions de configuration pour Java du guide de démarrage rapide de BigQuery : Utiliser les bibliothèques clientes. Pour en savoir plus, consultez la documentation de référence de l'API BigQuery pour Java.
Pour vous authentifier auprès de BigQuery, configurez le service Identifiants par défaut de l'application. Pour en savoir plus, consultez la page Configurer l'authentification pour les bibliothèques clientes.
Node.js
Avant d'essayer cet exemple, suivez les instructions de configuration pour Node.js du guide de démarrage rapide de BigQuery : Utiliser les bibliothèques clientes. Pour en savoir plus, consultez la documentation de référence de l'API BigQuery pour Node.js.
Pour vous authentifier auprès de BigQuery, configurez le service Identifiants par défaut de l'application. Pour en savoir plus, consultez la page Configurer l'authentification pour les bibliothèques clientes.
Python
Avant d'essayer cet exemple, suivez les instructions de configuration pour Python du guide de démarrage rapide de BigQuery : Utiliser les bibliothèques clientes. Pour en savoir plus, consultez la documentation de référence de l'API BigQuery pour Python.
Pour vous authentifier auprès de BigQuery, configurez le service Identifiants par défaut de l'application. Pour en savoir plus, consultez la page Configurer l'authentification pour les bibliothèques clientes.
Étapes suivantes
- Pour obtenir plus d'informations sur BigQuery ML, consultez la page Présentation de BigQuery ML.
- Consultez la page Créer des modèles de machine learning dans BigQuery ML pour faire vos premiers pas avec BigQuery ML.
- Pour en savoir plus sur l'utilisation des modèles, consultez les pages suivantes :