Recupero metadati modello
Panoramica
Questa pagina mostra come ottenere informazioni o metadati su BigQuery ML di machine learning. Puoi ottenere i metadati del modello in base a:
- Utilizzo della console Google Cloud
- Utilizzo del comando dell'interfaccia a riga di comando
bq show
- Chiamata a
models.get
tramite il metodo API direttamente o mediante le librerie client
Autorizzazioni obbligatorie
Per ottenere i metadati del modello, ti deve essere assegnato il
READER
nel set di dati oppure ti deve essere assegnato un ruolo Identity and Access Management (IAM) a livello di progetto che
include le autorizzazioni bigquery.models.getMetadata
. Se ti viene concesso
bigquery.models.getMetadata
autorizzazioni a livello di progetto, puoi ottenere
metadati su modelli in qualsiasi set di dati nel progetto. I seguenti valori predefiniti,
i ruoli IAM a livello di progetto includono le autorizzazioni bigquery.models.getMetadata
:
bigquery.dataViewer
bigquery.dataEditor
bigquery.dataOwner
bigquery.metadataViewer
bigquery.admin
Per ulteriori informazioni su ruoli e autorizzazioni IAM in BigQuery ML, consulta Controllo dell'accesso.
Recupero metadati modello
Per ottenere metadati sui modelli:
Console
Nel pannello di navigazione, nella sezione Risorse, espandi le progetto e seleziona un set di dati.
Fai clic sul nome del modello.
Sotto la casella dell'editor di query, fai clic su Dettagli. In questa pagina vengono visualizzati i metadati del modello, tra cui descrizione, etichette, dettagli e addestramento le opzioni di CPU e memoria disponibili.
bq
Esegui il comando bq show
con il flag --model
o -m
per visualizzare
metadati del modello. La --format
per controllare l'output.
Per visualizzare solo le colonne delle caratteristiche del modello, usa il flag --schema
con il flag --model
. Quando utilizzi il flag --schema
, --format
deve
essere impostato su json
o prettyjson
.
Se ricevi informazioni su un modello in un progetto diverso da
progetto predefinito, aggiungi l'ID progetto al set di dati nel seguente
formato: [PROJECT_ID]:[DATASET]
.
bq show --model --format=prettyjson [PROJECT_ID]:[DATASET].[MODEL]
Dove:
[PROJECT_ID]
è l'ID progetto.[DATASET]
è il nome del set di dati.[MODEL]
è il nome del modello.
L'output comando è simile al seguente quando --format=pretty
. Per visualizzare i dettagli completi, usa il formato --format=prettyjson
. La
un output di esempio mostra i metadati per un modello di regressione logistica.
+--------------+---------------------+---------------------+---------------------------+--------+-----------------+-----------------+ | 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 | | | | | +--------------+---------------------+---------------------+---------------------------+--------+-----------------+-----------------+
Esempi:
Inserisci il comando seguente per visualizzare tutte le informazioni su mymodel
in
mydataset
. mydataset
è nel tuo progetto predefinito.
bq show --model --format=prettyjson mydataset.mymodel
Inserisci il comando seguente per visualizzare tutte le informazioni su mymodel
in
mydataset
. mydataset
si trova nella cartella myotherproject
, non nel tuo progetto predefinito.
bq show --model --format=prettyjson myotherproject:mydataset.mymodel
Inserisci il seguente comando per visualizzare solo le colonne delle caratteristiche per
mymodel
a mydataset
. mydataset
si trova in myotherproject
, non in tuo
progetto predefinito.
bq show --model --schema --format=prettyjson \
myotherproject:mydataset.mymodel
API
Per ottenere i metadati del modello utilizzando l'API, chiama la funzione models.get
e fornire i projectId
, datasetId
e modelId
.
Vai
Prima di provare questo esempio, segui le istruzioni per la configurazione di Go nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API Go BigQuery documentazione di riferimento.
Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
Java
Prima di provare questo esempio, segui le istruzioni per la configurazione di Java nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API Java BigQuery documentazione di riferimento.
Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
Node.js
Prima di provare questo esempio, segui le istruzioni per la configurazione di Node.js nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API Node.js BigQuery documentazione di riferimento.
Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
Python
Prima di provare questo esempio, segui le istruzioni per la configurazione di Python nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API Python BigQuery documentazione di riferimento.
Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
Passaggi successivi
- Per una panoramica di BigQuery ML, consulta Introduzione a BigQuery ML.
- Per iniziare a utilizzare BigQuery ML, consulta Creare modelli di machine learning in BigQuery ML.
- Per scoprire di più sull'utilizzo dei modelli, consulta: